谈谈精细化工的SPC运用
公司有一些来自电子机械行业的黑带，要推行SPC几大工具，但是只能讲讲统计理论，多半不能符合实际。为给广大精细化工同仁提供SPC运用的参考，特共享一些个人看法以供大家参考。
要实施化工SPC，我们很多通常有以下会问SPC能满足化工控制的需要吗？
1、 我们的产品是间歇式生产，实际上批与批之间，存在较大的差异，这些差异来源于不同规格的生产反应容器，不同的操作人及操作习惯及参数，导致化工生产本身重复性及再现性比较差。控制限过严可能很多异常，过松可能异常没有识别，实际上很容易失去监控的目标与方向。举例：我们某材料的标准是22-28，但波动只是22-23左右，这样几乎所有波动都被掩盖了。
2、 化工的生产过程是集成化的，它是复数过程累计的复杂过程并非单一过程，而且很多没有参数和指标，导致即使后续产品指标有变化，也不知过程做如何调整来精确对应，可能只是一些模糊的操作。举例：生产一釜产品我们有五六个组分，每组组分有不同波段的操作。
3、 化工的产品性能实际上由研发的初始配方决定，QC的多数检验指标，并不能准确评估正在生产产品的性能，这些指标多是理化指标，主要是监控并确保产品的量产与研发的设计没有较大的偏移。举例：产品的固含、酸值实际上并不确认产品最终的应用性能。
4、 化工产品的检测指标非常多，要想把每一个指标都监控起来比较困难，一是工作量大，而是图表过多，不直观难以准确搜索过程波动。举例：我们GXX成品已经监控5个指标，每个材料3-4个指标，加起来指标有20-30种指标，数据统计分析的工作量很大且很难监控其中某一波动。
5、 目前很多原材料是混批到一个容器存储使用的，造成后续生产难以追溯，即使生产有异常，我们也无法知道究竟是原材料波动还是过程波动导致的异常。举例：我们生产Y几次异常，都没有直接证据确认是某个特定的原因。
6、 化工的检测过程多是多段操作，并非单一检测，检测方法的标准化对测量数据影响很大，进而影响SPC数据的准确性。举例：目前对比率MSA无法通过，实际SPC数据不准。
7、 即使所有指标都监控正常，是否说明我们的产品就没有问题呢？实际上我们的回答是否定的，因为各个维度指标波动都正常，指标之间的关联性在变化，单一的SPC监控识别不了，需要借助MSPC、SPD等理论。举例：客户投诉产品有很大差异，我们内部检测确是正常的。
8、 化工数据很多不服从正态分布，而I-MR图没有中心极限定理多组数据的支持，实际上对于化工数据存在较大的误判几率，本身就不是很严谨。举例：我们的PH值就就不是正态分布的。
考虑以上因素，传统的SPC在化工应用本身的数理严谨性都不能严格满足，化工的SPC注定无法按照一般的方法去操作。
如果要实施化工SPC，我们就要回答实施SPC的本质是什么？也许这一点每个人各有见解，但个人认为其实生活中每个人都在使用SPC，SPC的核心只是数据分层进而来实现对特殊原因的识别，我们可以借鉴生活中的做法。
1、针对如何定义监控的限度：
假设一个孩子脸上长了一个青春痘，突破了皮肤的控制限，他的父母一定会让他去医院治疗纠正吗？我们依据经验就知道，通常是不会的。我们会去医院治疗通常是这个痘痘是很大的一个包，或者脸上长了很多痘痘才会去找医生，当然一个痘痘我们也可以大呼小叫，那除非我们的皮肤非常好，也就是过程能力达到很到的一个程度才会这样要求。
以上是我对化工SPC判异准则的理解，单值偏离异常大、出现重复多发的异常，过程几乎无异常的情况出现某一异常，这是才进行控制，而并非是每一个SPC异常我们都去做监控，这是化工过程遵循管理抓大放小，持续改善的原则，而不是SPC本身描述的任何异常点都要及时控制和纠正。
2、针对过程集成化：
我们要让一架纸飞机飞往指定地点，有三种办法，要么训练这个扔纸飞机的人来实现输入的稳定，要么实现过程所有数据能够及时监控生产遥控纸飞机，再有的办法是把目标距离分阶段，看阶段的可控性来达成。
要实现过程所有参数可控，目前来讲成本过高无法实现，我们实现输入可控更具有操作性意义，尽量要求供方对指标做SPC控制，减少输入波动是比较可行的措施。
3、针对指标不够反应产品性能本质，及指标过多：
我们知道乳液的粒径可能对乳胶漆成膜各种性能分布均有影响，如果我们去监控后续的指标就难免造成指标过多，而且不易监控到真正的关键因子。关于这个问题我与我的武汉大学生物医药的校友，也有很多交流，他们建议在仅能监控多个指标时做多元控制图或者主成分分析，删减多因素的重复效应来缩小波动范围；二实际上生产医药等精细化工的CTQ还有一项是变更和偏差，因配方的初始新能已设定，后续的重大变更和偏差均会造成性能发生较大改变，这时在SPC上就会表现出数据分层的现象，这在GMP的标准中也有明确的描述。
4、针对原材料混批，原材料与过程波动的分层：
考虑生产的重复性验证比较差，过程又缺乏数据进行追溯的特点，工艺目前的做法是针对问题批，对后续的生产批做简单预控制，但目前还没有使用预控图，针对材料波动的区分验证更多的是依赖研发的解读来完成，在这一点，建议研发使用谢宁DOE种的小样本极差控制SPC图，来重复测试区分好坏出现的效应原因。
如果原材料混批，供方做SPC的意义就远大于我们，我们混批本身就消灭了一些组间的差异，统计是不够显著的。针对问题批次的原材料还是建议要完善留样或其他追溯机制。
5、针对测量数据不够精准：
MSA的评价基于两种，一种是过程的变差，一种是产品的公差，因化工过程普遍存在较大的偏移性，通常产品规格限比较宽保证产品符合标准，导致过程样品实际上很难覆盖所有的公差带，造成MSA评价不伦不类的情况。如果要针对过程做SPC，测量精度无法达到而短期无法改进时，这时候SPC的单点判异已经基本没有意义，但是数据发生群体性分层和变更还是有显著性意义的。
6、针对数据不服从正态分布
以统计学讲，数据如果严重不服从正态分布，传统的IMR-SPC是无法使用的，一些常见的数据变换也无法使用，而且传统的CPK、PPK均是不正确的，严格是需要使用百分位数来计算的，所以不建议去过多描述与化工很多实际不符的统计原理。
针对化工的特点，个人认为我们更应该强调SPC的运用，保持一些简单的统计特性就好，即使是生活中的应用也可以，大家更普遍的也是在使用一些经验SPC，等过程能力足够了，再谈更深的原理及应用。建议研发重点推广谢宁DOE小样本极差控制图、MSPC图的意义；生产工艺学习预控图；管理人员学习识别数据分层背后的原材料或过程重大变化与变更等，与供方探讨SPC控制与推广、减少供方与我司的测量差异等。 收起阅读 »
要实施化工SPC，我们很多通常有以下会问SPC能满足化工控制的需要吗？
1、 我们的产品是间歇式生产，实际上批与批之间，存在较大的差异，这些差异来源于不同规格的生产反应容器，不同的操作人及操作习惯及参数，导致化工生产本身重复性及再现性比较差。控制限过严可能很多异常，过松可能异常没有识别，实际上很容易失去监控的目标与方向。举例：我们某材料的标准是22-28，但波动只是22-23左右，这样几乎所有波动都被掩盖了。
2、 化工的生产过程是集成化的，它是复数过程累计的复杂过程并非单一过程，而且很多没有参数和指标，导致即使后续产品指标有变化，也不知过程做如何调整来精确对应，可能只是一些模糊的操作。举例：生产一釜产品我们有五六个组分，每组组分有不同波段的操作。
3、 化工的产品性能实际上由研发的初始配方决定，QC的多数检验指标，并不能准确评估正在生产产品的性能，这些指标多是理化指标，主要是监控并确保产品的量产与研发的设计没有较大的偏移。举例：产品的固含、酸值实际上并不确认产品最终的应用性能。
4、 化工产品的检测指标非常多，要想把每一个指标都监控起来比较困难，一是工作量大，而是图表过多，不直观难以准确搜索过程波动。举例：我们GXX成品已经监控5个指标，每个材料3-4个指标，加起来指标有20-30种指标，数据统计分析的工作量很大且很难监控其中某一波动。
5、 目前很多原材料是混批到一个容器存储使用的，造成后续生产难以追溯，即使生产有异常，我们也无法知道究竟是原材料波动还是过程波动导致的异常。举例：我们生产Y几次异常，都没有直接证据确认是某个特定的原因。
6、 化工的检测过程多是多段操作，并非单一检测，检测方法的标准化对测量数据影响很大，进而影响SPC数据的准确性。举例：目前对比率MSA无法通过，实际SPC数据不准。
7、 即使所有指标都监控正常，是否说明我们的产品就没有问题呢？实际上我们的回答是否定的，因为各个维度指标波动都正常，指标之间的关联性在变化，单一的SPC监控识别不了，需要借助MSPC、SPD等理论。举例：客户投诉产品有很大差异，我们内部检测确是正常的。
8、 化工数据很多不服从正态分布，而I-MR图没有中心极限定理多组数据的支持，实际上对于化工数据存在较大的误判几率，本身就不是很严谨。举例：我们的PH值就就不是正态分布的。
考虑以上因素，传统的SPC在化工应用本身的数理严谨性都不能严格满足，化工的SPC注定无法按照一般的方法去操作。
如果要实施化工SPC，我们就要回答实施SPC的本质是什么？也许这一点每个人各有见解，但个人认为其实生活中每个人都在使用SPC，SPC的核心只是数据分层进而来实现对特殊原因的识别，我们可以借鉴生活中的做法。
1、针对如何定义监控的限度：
假设一个孩子脸上长了一个青春痘，突破了皮肤的控制限，他的父母一定会让他去医院治疗纠正吗？我们依据经验就知道，通常是不会的。我们会去医院治疗通常是这个痘痘是很大的一个包，或者脸上长了很多痘痘才会去找医生，当然一个痘痘我们也可以大呼小叫，那除非我们的皮肤非常好，也就是过程能力达到很到的一个程度才会这样要求。
以上是我对化工SPC判异准则的理解，单值偏离异常大、出现重复多发的异常，过程几乎无异常的情况出现某一异常，这是才进行控制，而并非是每一个SPC异常我们都去做监控，这是化工过程遵循管理抓大放小，持续改善的原则，而不是SPC本身描述的任何异常点都要及时控制和纠正。
2、针对过程集成化：
我们要让一架纸飞机飞往指定地点，有三种办法，要么训练这个扔纸飞机的人来实现输入的稳定，要么实现过程所有数据能够及时监控生产遥控纸飞机，再有的办法是把目标距离分阶段，看阶段的可控性来达成。
要实现过程所有参数可控，目前来讲成本过高无法实现，我们实现输入可控更具有操作性意义，尽量要求供方对指标做SPC控制，减少输入波动是比较可行的措施。
3、针对指标不够反应产品性能本质，及指标过多：
我们知道乳液的粒径可能对乳胶漆成膜各种性能分布均有影响，如果我们去监控后续的指标就难免造成指标过多，而且不易监控到真正的关键因子。关于这个问题我与我的武汉大学生物医药的校友，也有很多交流，他们建议在仅能监控多个指标时做多元控制图或者主成分分析，删减多因素的重复效应来缩小波动范围；二实际上生产医药等精细化工的CTQ还有一项是变更和偏差，因配方的初始新能已设定，后续的重大变更和偏差均会造成性能发生较大改变，这时在SPC上就会表现出数据分层的现象，这在GMP的标准中也有明确的描述。
4、针对原材料混批，原材料与过程波动的分层：
考虑生产的重复性验证比较差，过程又缺乏数据进行追溯的特点，工艺目前的做法是针对问题批，对后续的生产批做简单预控制，但目前还没有使用预控图，针对材料波动的区分验证更多的是依赖研发的解读来完成，在这一点，建议研发使用谢宁DOE种的小样本极差控制SPC图，来重复测试区分好坏出现的效应原因。
如果原材料混批，供方做SPC的意义就远大于我们，我们混批本身就消灭了一些组间的差异，统计是不够显著的。针对问题批次的原材料还是建议要完善留样或其他追溯机制。
5、针对测量数据不够精准：
MSA的评价基于两种，一种是过程的变差，一种是产品的公差，因化工过程普遍存在较大的偏移性，通常产品规格限比较宽保证产品符合标准，导致过程样品实际上很难覆盖所有的公差带，造成MSA评价不伦不类的情况。如果要针对过程做SPC，测量精度无法达到而短期无法改进时，这时候SPC的单点判异已经基本没有意义，但是数据发生群体性分层和变更还是有显著性意义的。
6、针对数据不服从正态分布
以统计学讲，数据如果严重不服从正态分布，传统的IMR-SPC是无法使用的，一些常见的数据变换也无法使用，而且传统的CPK、PPK均是不正确的，严格是需要使用百分位数来计算的，所以不建议去过多描述与化工很多实际不符的统计原理。
针对化工的特点，个人认为我们更应该强调SPC的运用，保持一些简单的统计特性就好，即使是生活中的应用也可以，大家更普遍的也是在使用一些经验SPC，等过程能力足够了，再谈更深的原理及应用。建议研发重点推广谢宁DOE小样本极差控制图、MSPC图的意义；生产工艺学习预控图；管理人员学习识别数据分层背后的原材料或过程重大变化与变更等，与供方探讨SPC控制与推广、减少供方与我司的测量差异等。 收起阅读 »
关注并控制制造过程变差：SPC中的P
提示：――――SPC中的P是制造过程，SPC要求将统计的技术应用于过程，关注并控制制造过程的变差。但很多公司并没有理解此要求。
笔者曾去过一家工厂，工厂的客户要求工厂做控制图监控产品尺寸，且尺寸较多。
客户要求每天提交控制图给客户查看。但现在的控制限与产品公差比已很小了，所以常有超出控制限的情况存在。客户要求对超出控制限的点都进行分析、对策改善。
工厂认为，生产产品全部是合格的（有的产品项是经过全检的），控制限已比公差小了很多，这样对超出控制限的点进行分析，有点烦。
其实，这是工厂没有理解顾客的要求，或者说是没有理解SPC有关“变差”控制的理论或观点。也是国内许多应用SPC控制图公司对SPC理解的误区所致。
SPC中的P是制造过程（process），要求将统计技术应用于生产过程，关注并控制制造过程的变差。也就是说不仅要关注输出结果的变差，更应该关注的是输入的变差。输入的变差就是过程的变差。
顾客要求工厂关注制造过程的“变差”或说是质量特性的“波动”，而不是（或者说不一定是）关注制造过程的输出――产品。这是SPC中P的含义。
如果我们监测、控制了过程的“变差”，通过对“变差”的控制、减少进而改善过程的性能（注意是“过程性能”，不是产品性能），这是SPC的目的。
基于此，我认为，在SPC控制图应用中，产品的特性如尺寸只是我们“观测”过程变差的“媒介”而已。
好比，我们想要观测大海中波浪的起伏，可以通过“漂浮”在大海上的大木头来了解波浪的变化。――――控制图中的产品性能，就似这种大木头。我们是要通过大木头来观察大海，而不是将关注的重点放在大木头上。
然，国内SPC控制图的应用，不明此理者众矣。谬种流传亦久矣。
收起阅读 »
PP、PPK、CP、CPK、CM、CMK
1. Ca、Cp、Cpk的计算
1) 过程准确度指数（Ca值）：表示过程特性中心位置的偏移程度，越小越好
Ca=（样本平均值-规格中心值）/（规格公差/2）
a) 等级A：|Ca|≦12.5% 表示作业员遵守作业规范,并达规格要求
b) 等级B ： 12.5%< |Ca|≦25% 表示必要时尽可能提升至A级
c) 等级C： 25%< |Ca|≦50% 表示作业员可能看错或未按标准作业，或须修改规格及作业标准。
d) 等级D： 50%< |Ca| 表示应采取紧急措施，全面整改可能影响之因素，应停止生产。
2) 过程精密度能力系数（Cp值）：表示过程特性分散的程度，值越大越集中。
Cp=(规格上限-规格下限)/（6×标准差）
a) 合格：1.33≦Cp表示能力足够
b) 警告：1.00 ≦ Cp< 1.33表示能力无足够宽度,平均值稍有偏差时,不良率既会增加。
c) 不合格： Cp< 1.00表示能力不足，有不合格品，须全数筛选，并设法缩小变异或整改规格公差。
3) 过程综合能力系数(Cpk值)：同时考虑“偏移”程度及“分散程度
Cpk=(1-Ca) ×Cp
a) 此系数为过程评价用系数，用于过程改善
b) 客户指定Cpk值时，欲达到此Cpk值，可先探讨Ca及Cp值：“准确度”“精密度”是否有适当能力
c) 一般客户是指定值多数为≧1.33；Cpk值≧3.00时，表示过程能力已经足够了，继续维持即可；若想进一步改善，应考虑成本效益。
Cp=(Usl-Lsl)/6δ
Cpku=(Ucl-Xbar)/3δ Cpkl=(Xbar-Lsl)/3δ
Cpk=min(Cpku : Cpkl)
2、首先我们先说明Pp、Cp两者的定义及公式
Cp（Capability Indies of Process）：稳定过程的能力指数，定义为容差宽度除以过程能力，不考虑过程有无偏移，一般表达式为： Cpk， Ca， Cp三者的关系： Cpk = Cp×（ 1－┃Ca┃），Cpk是Ca及Cp两者的中和反应，Ca反应的是位置关系（集中趋势），Cp反应的是散布关系（离散趋势）
Pp（Performance Indies of Process）：过程性能指数，定义为不考虑过程有无偏移时，容差范围除以过程性能，一般表达式为：
（该指数仅用来与Cp及Cpk对比，或/和Cp、Cpk一起去度量和确认一段时间内改进的优先次序）
CPU：稳定过程的上限能力指数，定义为容差范围上限除以实际过程分布宽度上限，一般表达式为：
CPL：稳定过程的下限能力指数，定义为容差范围下限除以实际过程分布宽度下限，一般表达式为：
3、现在我们来阐述Cpk、Ppk的含义
Cpk：这是考虑到过程中心的能力（修正）指数，定义为CPU与CPL的最小值。它等于过程均值与最近的规范界限之间的差除以过程总分布宽度的一半。即：
Ppk：这是考虑到过程中心的性能（修正）指数，定义为： 或 的最小值。即：
其实，公式中的K是定义分布中心μ与公差中心M的偏离度，μ与M的偏离为ε=| M-μ|
4、公式中标准差的不同含义
①在Cp、Cpk中，计算的是稳定过程的能力，稳定过程中过程变差仅由普通原因引起，公式中的标准差可以通过控制图中的样本平均极差估计得出。
因此，Cp、Cpk一般与控制图一起使用，首先利用控制图判断过程是否受控，如果过程不受控，要采取措施改善过程，使过程处于受控状态。确保过程受控后，再计算Cp、Cpk。
②由于普通和特殊两种原因所造成的变差，可以用样本标准差S来估计，过程性能指数的计算使用该标准差。
5、几个指数的比较与说明
① 无偏离的Cp表示过程加工的均匀性（稳定性），即“质量能力”，Cp越大，这质量特性的分布越“苗条”，质量能力越强；而有偏离的Cpk表示过程中心μ与公差中心M的偏离情况，Cpk越大，二者的偏离越小，也即过程中心对公差中心越“瞄准”。使过程的“质量能力”与“管理能力”二者综合的结果。Cp与Cpk的着重点不同，需要同时加以考虑。
② Pp和Ppk的关系参照上面。
③ 关于Cpk与Ppk的关系，这里引用QS9000中PPAP手册中的一句话：“当可能得到历史的数据或有足够的初始数据来绘制控制图时（至少100个个体样本），可以在过程稳定时计算Cpk。对于输出满足规格要求且呈可预测图形的长期不稳定过程，应该使用Ppk。”
④ “所谓PPK，是进入大批量生产前，对小批生产的能力评价，一般要求≥1.67；而CPK，是进入大批量生产后，为保证批量生产下的产品的品质状况不至于下降，且为保证与小批生产具有同样的控制能力，所进行的生产能力的评价，一般要求≥1.33；一般来说，CPK需要借助PPK的控制界限来作控制。
Ppk：Overall performance capability of a process, see Cpk. 过程的整体表现能力。
Cp：A widely used capability index for process capability studies. It may range in value from zero to infinity with a larger value indicating a more capable process. Six Sigma represents Cp of 2.0. 在流程能力分析方面被广泛应用的能力指数，在数值方面它可能是从零到显示更强有力流程的无穷大之间的某个点。六个西格玛代表的是Cp=2.0。
Cpk：A process capability index combining Cp and k (difference between the process mean and the specification mean) to determine whether the process will produce units within tolerance. Cpk is always less than or equal to Cp.一个将Cp和k（表示流程平均值与上下限区间平均值之间的差异）结合起来的流程能力指数，它用来确定流程是否将在容忍度范围内生产产品，Cpk通常要么比Cp值小，要么与Cp值相同。”
在一般的TS16949推行过程中，Ppk用来表示短期能力指数，Cpk用来表示长期能力指数。从Ppk的计算公式中使用的分析，Ppk表达的应该是一个包含引起变差的普通原因和特殊原因的过程。这样的过程其实就是一个非受控过程，而一个非受控过程在理论上应该是在过程初期和长期过程中都会遇到的。
6.Cm、Cmk与pp.ppk计算的公式一致,采用连续抽样。
CPK=Min(CPU,CPL) 收起阅读 »
1) 过程准确度指数（Ca值）：表示过程特性中心位置的偏移程度，越小越好
Ca=（样本平均值-规格中心值）/（规格公差/2）
a) 等级A：|Ca|≦12.5% 表示作业员遵守作业规范,并达规格要求
b) 等级B ： 12.5%< |Ca|≦25% 表示必要时尽可能提升至A级
c) 等级C： 25%< |Ca|≦50% 表示作业员可能看错或未按标准作业，或须修改规格及作业标准。
d) 等级D： 50%< |Ca| 表示应采取紧急措施，全面整改可能影响之因素，应停止生产。
2) 过程精密度能力系数（Cp值）：表示过程特性分散的程度，值越大越集中。
Cp=(规格上限-规格下限)/（6×标准差）
a) 合格：1.33≦Cp表示能力足够
b) 警告：1.00 ≦ Cp< 1.33表示能力无足够宽度,平均值稍有偏差时,不良率既会增加。
c) 不合格： Cp< 1.00表示能力不足，有不合格品，须全数筛选，并设法缩小变异或整改规格公差。
3) 过程综合能力系数(Cpk值)：同时考虑“偏移”程度及“分散程度
Cpk=(1-Ca) ×Cp
a) 此系数为过程评价用系数，用于过程改善
b) 客户指定Cpk值时，欲达到此Cpk值，可先探讨Ca及Cp值：“准确度”“精密度”是否有适当能力
c) 一般客户是指定值多数为≧1.33；Cpk值≧3.00时，表示过程能力已经足够了，继续维持即可；若想进一步改善，应考虑成本效益。
Cp=(Usl-Lsl)/6δ
Cpku=(Ucl-Xbar)/3δ Cpkl=(Xbar-Lsl)/3δ
Cpk=min(Cpku : Cpkl)
2、首先我们先说明Pp、Cp两者的定义及公式
Cp（Capability Indies of Process）：稳定过程的能力指数，定义为容差宽度除以过程能力，不考虑过程有无偏移，一般表达式为： Cpk， Ca， Cp三者的关系： Cpk = Cp×（ 1－┃Ca┃），Cpk是Ca及Cp两者的中和反应，Ca反应的是位置关系（集中趋势），Cp反应的是散布关系（离散趋势）
Pp（Performance Indies of Process）：过程性能指数，定义为不考虑过程有无偏移时，容差范围除以过程性能，一般表达式为：
（该指数仅用来与Cp及Cpk对比，或/和Cp、Cpk一起去度量和确认一段时间内改进的优先次序）
CPU：稳定过程的上限能力指数，定义为容差范围上限除以实际过程分布宽度上限，一般表达式为：
CPL：稳定过程的下限能力指数，定义为容差范围下限除以实际过程分布宽度下限，一般表达式为：
3、现在我们来阐述Cpk、Ppk的含义
Cpk：这是考虑到过程中心的能力（修正）指数，定义为CPU与CPL的最小值。它等于过程均值与最近的规范界限之间的差除以过程总分布宽度的一半。即：
Ppk：这是考虑到过程中心的性能（修正）指数，定义为： 或 的最小值。即：
其实，公式中的K是定义分布中心μ与公差中心M的偏离度，μ与M的偏离为ε=| M-μ|
4、公式中标准差的不同含义
①在Cp、Cpk中，计算的是稳定过程的能力，稳定过程中过程变差仅由普通原因引起，公式中的标准差可以通过控制图中的样本平均极差估计得出。
因此，Cp、Cpk一般与控制图一起使用，首先利用控制图判断过程是否受控，如果过程不受控，要采取措施改善过程，使过程处于受控状态。确保过程受控后，再计算Cp、Cpk。
②由于普通和特殊两种原因所造成的变差，可以用样本标准差S来估计，过程性能指数的计算使用该标准差。
5、几个指数的比较与说明
① 无偏离的Cp表示过程加工的均匀性（稳定性），即“质量能力”，Cp越大，这质量特性的分布越“苗条”，质量能力越强；而有偏离的Cpk表示过程中心μ与公差中心M的偏离情况，Cpk越大，二者的偏离越小，也即过程中心对公差中心越“瞄准”。使过程的“质量能力”与“管理能力”二者综合的结果。Cp与Cpk的着重点不同，需要同时加以考虑。
② Pp和Ppk的关系参照上面。
③ 关于Cpk与Ppk的关系，这里引用QS9000中PPAP手册中的一句话：“当可能得到历史的数据或有足够的初始数据来绘制控制图时（至少100个个体样本），可以在过程稳定时计算Cpk。对于输出满足规格要求且呈可预测图形的长期不稳定过程，应该使用Ppk。”
④ “所谓PPK，是进入大批量生产前，对小批生产的能力评价，一般要求≥1.67；而CPK，是进入大批量生产后，为保证批量生产下的产品的品质状况不至于下降，且为保证与小批生产具有同样的控制能力，所进行的生产能力的评价，一般要求≥1.33；一般来说，CPK需要借助PPK的控制界限来作控制。
Ppk：Overall performance capability of a process, see Cpk. 过程的整体表现能力。
Cp：A widely used capability index for process capability studies. It may range in value from zero to infinity with a larger value indicating a more capable process. Six Sigma represents Cp of 2.0. 在流程能力分析方面被广泛应用的能力指数，在数值方面它可能是从零到显示更强有力流程的无穷大之间的某个点。六个西格玛代表的是Cp=2.0。
Cpk：A process capability index combining Cp and k (difference between the process mean and the specification mean) to determine whether the process will produce units within tolerance. Cpk is always less than or equal to Cp.一个将Cp和k（表示流程平均值与上下限区间平均值之间的差异）结合起来的流程能力指数，它用来确定流程是否将在容忍度范围内生产产品，Cpk通常要么比Cp值小，要么与Cp值相同。”
在一般的TS16949推行过程中，Ppk用来表示短期能力指数，Cpk用来表示长期能力指数。从Ppk的计算公式中使用的分析，Ppk表达的应该是一个包含引起变差的普通原因和特殊原因的过程。这样的过程其实就是一个非受控过程，而一个非受控过程在理论上应该是在过程初期和长期过程中都会遇到的。
6.Cm、Cmk与pp.ppk计算的公式一致,采用连续抽样。
CPK=Min(CPU,CPL) 收起阅读 »
就这样浅显地理解了FMEA、SPC和PPAP
小龙是一位汽车工程师，一个上小学二年级8岁男孩的父亲他们的家庭生活会有什么不同吗？
其实小龙和其他父亲也没什么区别，当然每个父亲都关心自己的孩子，尤其关心孩子的身体健康和安全，这不，父亲正为孩子上学路上可能发生的情况苦思苦想呢。小龙想到了孩子上学路上可能会贪玩，因而上学迟到，被老师处罚，因而耽误学习（小龙认为发生的可能性较大，他选择发生度O=5或6）；也想到了路上有一个马路需要孩子横穿过去，发生交通事故的可能性也有，当然不是很大（小龙认为发生度O=3或4）。当然还有其他可能发生的事情，但发生的可能性都非常小（小龙认为发生度O=1或2），所以不再考虑。接着小龙分析，上学迟到是一件风险不是很大的事情，仅仅影响学习而已，他将风险系数确定为S=4或5，而发生交通事故的确是个大问题，父亲将风险系数确定为S=9或10。接下来小龙开始寻找对策，如何不让上述情况发生或一旦发生后损失最小，当然最好的办法是父亲每天送孩子上学，可是小龙因为工作原因做不到这样，最后小龙想出了办法，他每天写一个纸条让孩子交给老师签字，这样小龙就可以监控孩子每天是否按时到学校（小龙认为探测度非常高，确定D=3或4）；小龙为孩子选择了一条可以不横穿马路的上学路径，从而使发生的可能性降的很低（小龙确定新的发生度为O=1）。孩子不解地问父亲为什么这样做？小龙神秘地告诉孩子他的这种方法是汽车行业非常流行的潜在失效模式及后果分析（英文简称FMEA），孩子不以为然，但还是按照父亲的办法执行了。
小龙还关心的是孩子的学习成绩，因为没有时间照顾孩子，便为孩子每次考试成绩做了曲线图（小龙告诉孩子这叫X-R控制图，是统计过程控制SPC的一种），孩子不明白，问父亲这图有什么用，小龙告诉孩子可以用来监控学习成绩的变化，以便及早做出预防，比如：有超出控制限的点或连续几点上升或下降，都需要作出分析，找原因。孩子笑了，问父亲：“如果连着上升不就说明成绩变好了吗，还分析什么”？小龙严肃地告诉孩子，即使连续上升也要分析，分析的目的是找出变好的原因，以便形成标准并加以巩固，孩子似懂非懂地点点头。
孩子的课外活动也是小龙所关心的，有一次学校让每个孩子做5个手工制品参加竞赛，学校给了制作标准，要求周五上交。孩子做好了一个，并要继续做下去，却被小龙制止了，他告诉孩子先别急着继续做，明天先拿这个给老师检查一下，合格后再继续做后面的4个，孩子笑话父亲太小心谨慎了，父亲同样严肃地告诉孩子，这叫做产品和过程批准（英文简称PPAP），小心使得万年船。孩子按父亲的教导去做了，果然孩子的作品获得了成功，而同班的却有几名同学因作品不合格被取消了参赛资格，这次孩子终于开始佩服父亲了。
期末到了，小家伙因为在各方面的出色表现被老师表扬，当老师和同学要求小家伙说一说成功的经验时，小家伙本想把父亲教他的什么FMEA，SPC，PPAP好好宣传一番，可由于兴奋，竟然一点也想不起来，最后只好说：“因为我爸是个汽车工程师。”
注：资料转自网络ylh1118 收起阅读 »
其实小龙和其他父亲也没什么区别，当然每个父亲都关心自己的孩子，尤其关心孩子的身体健康和安全，这不，父亲正为孩子上学路上可能发生的情况苦思苦想呢。小龙想到了孩子上学路上可能会贪玩，因而上学迟到，被老师处罚，因而耽误学习（小龙认为发生的可能性较大，他选择发生度O=5或6）；也想到了路上有一个马路需要孩子横穿过去，发生交通事故的可能性也有，当然不是很大（小龙认为发生度O=3或4）。当然还有其他可能发生的事情，但发生的可能性都非常小（小龙认为发生度O=1或2），所以不再考虑。接着小龙分析，上学迟到是一件风险不是很大的事情，仅仅影响学习而已，他将风险系数确定为S=4或5，而发生交通事故的确是个大问题，父亲将风险系数确定为S=9或10。接下来小龙开始寻找对策，如何不让上述情况发生或一旦发生后损失最小，当然最好的办法是父亲每天送孩子上学，可是小龙因为工作原因做不到这样，最后小龙想出了办法，他每天写一个纸条让孩子交给老师签字，这样小龙就可以监控孩子每天是否按时到学校（小龙认为探测度非常高，确定D=3或4）；小龙为孩子选择了一条可以不横穿马路的上学路径，从而使发生的可能性降的很低（小龙确定新的发生度为O=1）。孩子不解地问父亲为什么这样做？小龙神秘地告诉孩子他的这种方法是汽车行业非常流行的潜在失效模式及后果分析（英文简称FMEA），孩子不以为然，但还是按照父亲的办法执行了。
小龙还关心的是孩子的学习成绩，因为没有时间照顾孩子，便为孩子每次考试成绩做了曲线图（小龙告诉孩子这叫X-R控制图，是统计过程控制SPC的一种），孩子不明白，问父亲这图有什么用，小龙告诉孩子可以用来监控学习成绩的变化，以便及早做出预防，比如：有超出控制限的点或连续几点上升或下降，都需要作出分析，找原因。孩子笑了，问父亲：“如果连着上升不就说明成绩变好了吗，还分析什么”？小龙严肃地告诉孩子，即使连续上升也要分析，分析的目的是找出变好的原因，以便形成标准并加以巩固，孩子似懂非懂地点点头。
孩子的课外活动也是小龙所关心的，有一次学校让每个孩子做5个手工制品参加竞赛，学校给了制作标准，要求周五上交。孩子做好了一个，并要继续做下去，却被小龙制止了，他告诉孩子先别急着继续做，明天先拿这个给老师检查一下，合格后再继续做后面的4个，孩子笑话父亲太小心谨慎了，父亲同样严肃地告诉孩子，这叫做产品和过程批准（英文简称PPAP），小心使得万年船。孩子按父亲的教导去做了，果然孩子的作品获得了成功，而同班的却有几名同学因作品不合格被取消了参赛资格，这次孩子终于开始佩服父亲了。
期末到了，小家伙因为在各方面的出色表现被老师表扬，当老师和同学要求小家伙说一说成功的经验时，小家伙本想把父亲教他的什么FMEA，SPC，PPAP好好宣传一番，可由于兴奋，竟然一点也想不起来，最后只好说：“因为我爸是个汽车工程师。”
注：资料转自网络ylh1118 收起阅读 »
SPC控制图异常求教
SPC 出现了第2和第7异常，CPK值很小，数据都集中在一个标准差内，求教：
数据很集中都在一个标准差内，为什么CPK值很小，图片请看下附件.
求SPC大侠帮忙，谢谢！
数据很集中都在一个标准差内，为什么CPK值很小，图片请看下附件.
求SPC大侠帮忙，谢谢！
做PFMEA的经验
FMEA又分为DFMEA和PFMEA，分别是针对产品设计、开发时期的分析技术和产品实现过程的分析技术。近日有质量人询问是否有PFMEA的经验介绍，今天给大家推荐的就是质量前辈自己的一点心得。
1、事前准备工作。要加强数据的统计分析。对与该产品相类似的产品的失效数据做一个分析，给这些失效做个排序。这些数据不但做PFMEA用的找，对开发设计人员也很有用，所以把时间花在这上面，绝对物超所值。
2、 关于团队。我们经常讲，做FMEA要讲究CFT的方法，这点固然重要，但如果组建一个不负责任或者说和稀泥的团队，不是没完没了的吵下去就是无休止的耗下去，还不如单兵作战。可以在单兵的基础上做成一个讨论版，大家再拿来讨论，这样可以提升工作效率。
3、 关于打分。发现很多公司（人）在PFMEA的打分上很不严谨。同一个失效，同样的失效影响，前后的打分能相差很多，目视确认打到3或4。要打的严谨很简单，仔细对照下手册就可以了，但是偏偏很少有人愿意时不时的去翻看手册，那么把手册上的打分表简化到你的PFMEA表单中来不失为一个方法。这也体现了poka yoke的思想。可以把每个打分的单元格都设置成下拉选择的类型，可以在选择数字的时候看到对应的文字说明。
4、PFMEA可以以类做区分。不必细分到每个品番上去。前提是同类化的设计。
5、PFMEA是个动态文件。从它身上，我们最能看出持续改善的影子。看过很多PFMEA，要么后面空空如也，要么给我写上“加强员工教育”，坑爹啊，人的因素就不要作为改善点了，人的技能能够满足要求，是我们做任何事情的一个前提。比如说，漏组装这个失效，你可能分析它是因为“员工的疏失”，此时如果你的对策里写“加强员工教育”是不妥当的，如何来防止漏组装、漏组装后如何检出，才是你施策的重点。
6、很多人一直疑惑PFMEA有什么用？制造现场吧，是根据控制计划来作业的，与其做好PFMEA还不如做好控制计划。PFMEA之功用在于：1、警示设计人员，防微杜渐；2、警示过程开发人员，预防第一；3、警示操作者或作业者，安全第一；4、警示作者，动脑第一。
以上就是质量前辈做PFMEA的一些经验，希望可以帮到有需求的同学们。 收起阅读 »
浅谈六西格玛 ARR
浅谈ARR
为了便于初学者对测量系统有初步的认识和使用，这里给大家简单介绍一下ARR的MINITAB使用方法，以及在现实中的使用技巧。
首先ARR和GRR在MINITAB中的使用时有一定的区别的，大部分人认识测量系统是从GRR开始，但是对ARR认识不是太深入，那么下面我们简单的介绍一下ARR。
Do or Die，看好你的生产过程
2014年9月29日，中国超越美国，成为世界第一大经济体。中国经济举世瞩目，而处于“微笑曲线”底端的中国制造业却仍在艰难前行——严酷的价格竞争倒逼规模宏大、表面风光的中国制造业不断压缩制造成本，换取薄若刀片一般的微薄利润。正如James Champy 在《企业之业务重组》中曾使用的“do or die”，中国制造业正在经历非生即死的环境变化。
在这样的形势下，制造企业寻求新生的路径大抵有四种，一是以技术创新为依托，形成指名销售的议价能力；二是从制造商向服务商转型，提高软件部分的获利能力；三是以信息流创新的方式，缩短乃至重新掌控消费者关系；四是内部管理流程再造，以提高劳动生产率，拓展利润空间。
前三条途径都是以“转变”为核心，而唯有第四条——内部管理流程再造是以“重新利用”为基准。因此，这条途径就意味着企业并不需要付出高昂的成本，就可以实现“do or die”的转变。换句话说，在制造成本方面，企业其实有大量压缩空间，提高产出质量并不需要增加成本，甚至可以科学有效、合理合法地将成本降到更低，这条“捷径”就在于生产过程，但是很多制造企业可能还没有认识或做到这点。
这使我不禁想起了最近在华纳圣龙实地参观时，该公司生产部经理与前来参观的一位质量经理的谈话。起初，我们就对这家年收入超2亿元，在业内赫赫有名的中美合资企业抱有极大的兴趣。因此，参观期间这位质量经理好奇地问道：“华纳圣龙在车间现场配有多少个检验员？”之所以会有这类疑问，是因为这位质量经理的现场要求全检，一旦客户投诉，生产部门就会抱怨这是检验员后期工作不到位才出现的问题。但是即便配备了如此多的检验员，生产和质量之间仍然保持着“剪不断、理还乱”的关系。
抱着同样的疑问，参观过程中大家对华纳圣龙的过程及管理控制着实惊叹不已。在参观过的所有三个加工车间，我们发现一共只有2名检验员。一旦零部件生产加工中出现问题，调试人员、生产人员及质量检测人员会一起来判断是否需要进行下一步批量生产。在过程控制方面，质量管理系统会在操作员在现场录数时，根据产品的特性及实际使用情况，告知员工产品测量的部位及取值的原则，时刻提醒员工如何取值，并帮助其理解为什么要如此取值。如果产品未设置公差限和控制限，员工将无法输入，充分发挥防错提醒功能。现场操作员还根据控制计划的要求设定检测时间。如果操作员没有按时输入，现场质量管理系统将发出红色报警，并将报警信息和实时数据以邮件的形式发送给管理人员。在管理控制方面，基于接收到的报警邮件，管理人员得以及时发现生产现场的异常状况。此外，借助现场监控平台和控制图，管理人员即使不在车间现场，也可随时知道每台设备及产品的过程能力，做到心中有数。
“事后检验”和“实时预控”已不再新鲜，“全员质量”也是老生常谈。然而，在华纳圣龙的现场，我们看到：“全员质量”要求的是每位生产人员、调试人员和检验人员都投入到质量管理；质量把控不再依靠“事后检验”，关注生产过程就可以实现“实时预控”。实时分析与事前预防正是质量管控的根基所在。但这些，却被大多数的制造企业所忽视。这些企业的管理者还在习惯于依靠主观猜测来做决策，仍然安于滞后的数据收集与检验。
“do or die”？早在二十年前，张瑞敏就曾在其重量级出版物《海尔是海》中写道：“随着海的号令执着而又坚定不移地冲向同一个目标，即使粉身碎骨也在所不辞。因此，才有了大海摧枯拉朽的神奇。”现在，我们不一定有能力，也完全不需要翻天覆地的改变，但却需要有粉身碎骨也在所不辞的毅力，通过对生产过程的持续关注，实现中国制造的低成本再造和中国质量的成功逆袭。
收起阅读 »
在这样的形势下，制造企业寻求新生的路径大抵有四种，一是以技术创新为依托，形成指名销售的议价能力；二是从制造商向服务商转型，提高软件部分的获利能力；三是以信息流创新的方式，缩短乃至重新掌控消费者关系；四是内部管理流程再造，以提高劳动生产率，拓展利润空间。
前三条途径都是以“转变”为核心，而唯有第四条——内部管理流程再造是以“重新利用”为基准。因此，这条途径就意味着企业并不需要付出高昂的成本，就可以实现“do or die”的转变。换句话说，在制造成本方面，企业其实有大量压缩空间，提高产出质量并不需要增加成本，甚至可以科学有效、合理合法地将成本降到更低，这条“捷径”就在于生产过程，但是很多制造企业可能还没有认识或做到这点。
这使我不禁想起了最近在华纳圣龙实地参观时，该公司生产部经理与前来参观的一位质量经理的谈话。起初，我们就对这家年收入超2亿元，在业内赫赫有名的中美合资企业抱有极大的兴趣。因此，参观期间这位质量经理好奇地问道：“华纳圣龙在车间现场配有多少个检验员？”之所以会有这类疑问，是因为这位质量经理的现场要求全检，一旦客户投诉，生产部门就会抱怨这是检验员后期工作不到位才出现的问题。但是即便配备了如此多的检验员，生产和质量之间仍然保持着“剪不断、理还乱”的关系。
抱着同样的疑问，参观过程中大家对华纳圣龙的过程及管理控制着实惊叹不已。在参观过的所有三个加工车间，我们发现一共只有2名检验员。一旦零部件生产加工中出现问题，调试人员、生产人员及质量检测人员会一起来判断是否需要进行下一步批量生产。在过程控制方面，质量管理系统会在操作员在现场录数时，根据产品的特性及实际使用情况，告知员工产品测量的部位及取值的原则，时刻提醒员工如何取值，并帮助其理解为什么要如此取值。如果产品未设置公差限和控制限，员工将无法输入，充分发挥防错提醒功能。现场操作员还根据控制计划的要求设定检测时间。如果操作员没有按时输入，现场质量管理系统将发出红色报警，并将报警信息和实时数据以邮件的形式发送给管理人员。在管理控制方面，基于接收到的报警邮件，管理人员得以及时发现生产现场的异常状况。此外，借助现场监控平台和控制图，管理人员即使不在车间现场，也可随时知道每台设备及产品的过程能力，做到心中有数。
“事后检验”和“实时预控”已不再新鲜，“全员质量”也是老生常谈。然而，在华纳圣龙的现场，我们看到：“全员质量”要求的是每位生产人员、调试人员和检验人员都投入到质量管理；质量把控不再依靠“事后检验”，关注生产过程就可以实现“实时预控”。实时分析与事前预防正是质量管控的根基所在。但这些，却被大多数的制造企业所忽视。这些企业的管理者还在习惯于依靠主观猜测来做决策，仍然安于滞后的数据收集与检验。
“do or die”？早在二十年前，张瑞敏就曾在其重量级出版物《海尔是海》中写道：“随着海的号令执着而又坚定不移地冲向同一个目标，即使粉身碎骨也在所不辞。因此，才有了大海摧枯拉朽的神奇。”现在，我们不一定有能力，也完全不需要翻天覆地的改变，但却需要有粉身碎骨也在所不辞的毅力，通过对生产过程的持续关注，实现中国制造的低成本再造和中国质量的成功逆袭。
收起阅读 »
没有办法做SPC的制程怎样做过程控制
在企业中，有些岗位部用SPC方法来控制，比如设备自身就是不稳定。但是为了避免客户投诉只能用全检的方法控制。是否有些方法可以做抽检就能保证产品质量的稳定。
从飞马说开去
从飞马说开去
由于工作的需要，笔者常需要在项目开发的过程中参与FMEA（potential failure mode and effect analysis,中文名飞马）活动。就像每天都要吃工作餐，吃的多了，对厨子（们）和饭菜也有了自己的看法。说来惭愧，目前的想法也仅是管中窥豹，写下来做个学习笔记吧，也为提醒自己，stay hungry, stay foolish。文中仅代表个人目前认知水平，望高手轻拍。
先从几个基本的概念开始
1. 什么是FMEA
中文名失效模式和影响分析。是在项目开发过程中对产品设计（顾客需求转换为产品特性并固化在产品上的初始idea）和过程开发时（设计开发已完成并冻结，进行讨论如何实现的过程），对可能出现的风险进行识别和评估，做出优先顺序排列，并持续采取相应行动，降低风险的活动。目的是集中项目有限的资源，降低那些对项目威胁最大的风险。一般分为设计FMEA（DFMEA），过程FMEA（PFMEA），系统FMEA（好像是SFMEA）
产品开发流程
产品设计：相当于顾客说想吃酸菜鱼，服务员需要问清是小份还是大份，口味要清淡还是稍重，然后大厨根据服务员的回馈开始有个概念，开始准备材料，如鱼的大小，佐料多少，几分熟，用什么盘子盛放等
过程设计：如大厨准备开始做酸菜鱼，在哪口锅上面做，什么时候做，做完需要多长时间，火候如何把握，怎么盛放进盘子里等
2． 为什么要做FMEA
但凡做一个项目，总会面临各种风险。相信没有项目成员愿意带着各种风险的项目投产。为了全面识别出在以上两个过程中的所有风险，尽早的进行预防，防止到项目后期木已成舟，酿成大错。笔者就常听说“要早知道这个问题就好了”（未能及时全面的识别出所有风险）以及“要是重视这个问题就不会这样了”（识别出来了但是没能科学的评级）
3. 适用范围
（1） 新产品，新设计，新工艺，新流程
（2） 现有设计和工艺的改善
（3） 现有设计和工艺在新环境下的应用
4. 如何做FMEA
这个在2008年第四版中有详细的描述，包括每个条目的解释和例子，在此不再详述。
5. DFMEA和PFMEA有何异同
工作过程中很多同事问到，D和P飞马有何不同。目前个人看法如下
不同点：
DFMEA PFMEA
目的 识别设计是否合理，合法
是否能满足顾客需求 识别部件制造和组装过程中的风险
阶段 开始于项目早期 早于生产工装和设备的采购
对象 设计过程中的风险 生产过程中的风险
前提 QFD,P图，方块图 设计是符合设计意图的，工艺流程图
方法 对部件功能的分析和失效进行分析 对部件生产过程中失效进行分析
输出 设计评审计划和报告 DVP&R 过程控制计划（WI,TPM,AM）
DFMEA的输出：DVP&R（表示这东西寡人从未见过，囧~）
PFMEA输出：过程控制计划
相同点
最终目的相同，都是为了降低项目风险，提高顾客满意程度。
都需要全面的评估和及时的更新
6. FMEA常见错误
（1） 认识错误
很多人认为FMEA只是一个质量工具，应该有质量部负责制作和跟踪。大谬！须知传统的职能部门的边界思维乃是现代企业的大忌。不仅在项目开发过程中制造摩擦，当产品上市后一旦遭遇问题也多是踢皮球，最终只能由个别部门独吞恶果，其他人看笑话。FMEA应作为项目工具，识别和跟踪项目风险。并且，FMEA不仅适用于制造业，在很多服务行业也同样适用。
（2） 时效性
其一，开始的时间太晚。前文已述，然而实际情况是很多项目快做完了，为了完成FMEA而做，变成了paper work，完全没有起到作用
其二，只做一版，不及时更新。制定了行动计划和责任人无人执行，形同虚设。
（3） 积累性
随着企业发展，新旧更替，之前积累了经验的老人走了，随即带走了know how。这些know how很多是通过市场不良反馈，企业用大把金钱换来的。如果没有把所有以前项目的FMEA统一起来学习，甚至不重视之前的经验教训，只能是平地起高楼，很多时候还会走前人的弯路。相反，如果珍视每个项目的FMEA，定期整理和总结，为后来人或引以为戒，或开拓思路。十数年后，即便人来人往，企业无损失，终会在同行中脱颖而出。否则，每天都犯以前犯过的错误，岂不痛心？
（4） 改善措施
在对应的栏目里常见的是“加强检验”“全检”。须知控制措施里分为防范性措施和探测性措施，此二者中应优选前者。只因后者存在探测程度低，探测成本大等问题。人言，防范甚于救火。
（5） RPN之祸（惑）
笔者初及FMEA，也觉得很是简单，SOD三个数字相乘，设置个极限值，高于极限值的想办法降低，低于的可以不用管了。现在看来，只知其一，不知其二。举个例子，公司忘了发这个月的工资，这事件的发生概率很低且可探测度很高，然而严重性几乎爆表，因为事情十分严重。哪个企业敢发生一次，管保你的人事部被围得水泄不通。像安全性事件，法律法规的要求等，虽然发生概率小，但后果严重，此类项目应该强制要求改善。而RPN乘积的意义在于当确定了项目是否需要采取措施之后，再对需要采取措施的风险进行排序，主席言”集中优势兵力，各个消灭敌人”。
在第四版的FMEA中，对此也有特殊说明：
“对于确定是否需要措施，不建议使用RPN极限法”。那如何是好呢？好像没有人要求一定要三个数字乘起来吧？那么S X O呢？好像也没有人要求一定要乘，那么三个数字并排呢？组成个三位数，不就恰恰证明了三个数字的优先顺序了么？来看例子：
妙，甚妙！
7. 由FMEA延伸出的问题
QFD的重要性
质量功能展开，来自日本。其法目的在于准确把握顾客需求，并根据当时竞争对手的水平进行突破，将顾客模糊的需求描述转化为具体的可测量的设计需求，进而开发出更容易被顾客接受的产品。甚至能找到顾客潜在需求，创造顾客需求。QFD的重要性对整个企业而言在于找准目标顾客，找准顾客需求，找准自己在行业内的定位。否则，犹如无的放矢，纵然努力拼搏，也是竹篮打水。笔者教训，在FMEA实施过程中，QFD常被忽略，通常是一群人用头脑风暴的方法，不仅事倍功半，且分析不全面，为以后的功能失效埋下隐患
8. 工具和思维
工具：
FMEA，QFD，质量老7工具（五图一法一表），QC新七法等，众多方法不计其数，但终究只是大侠手中利器。若想驰骋江湖，必修武德，必修心胸，必修心智。
质量是什么？
先来看看质量不是什么，或者不仅仅是什么？
不是手持一把卡尺，终日在产线上巡逻，随便抓个部件一通测量，然后打上pass或non-pass，然后用红色标记笔mark一下。不是整天被召唤到生产线，被逼迫填写让步放行单，被询问这件产品能不能放行。不是没有分析到根本原因的问题，从看到的现象被划归为“质量问题”。
质量即是符合标准。标准从何而来，其一来自国家法律，行业规范；其二来自顾客需求具化而来的产品特性；其三来自企业内标，或者是“业界的良心”。以上三者合而为一即是产品标准，一旦被管理层和各方接受，必须严格执行。否则来看一下后果，违反国家法律，行业规范，轻则被通报罚款，重则勒令停产。不按顾客需求生产，要么顾客拒收，要么顾客抱怨不满，品牌形象受损。不符合企业内标，更是影响甚广，今天让步放行，明天厂里所有的员工都会知道不符合标准没什么大不了，因为可以让步，标准建立形同虚设。
从检验质量，到统计控制质量，到全面质量，ISO9000八大原则里明确“全员参与”，大家也都贯了标，有多少知名企业还是认为质量只是质量部的事情，吾辈任重而道远啊！
其实质量很简单，看一个公司单位数量的产品售后维修人员数量就行了。比如平均每1000件产品只有1名维修服务人员和平均1件产品需要10个维修服务人员在不同时间答复顾客提问，上门服务才能解决问题。孰优孰劣，一看便知。
质量存在的意义并非擦屁股，而是为公司创造利润。如何创造？从尊重顾客开始，从对全员进行质量意识培训开始，从少犯错误开始，从减少浪费开始。。。
第一次发文章，图片和表格不会弄进来，诸君将就看看吧 收起阅读 »
由于工作的需要，笔者常需要在项目开发的过程中参与FMEA（potential failure mode and effect analysis,中文名飞马）活动。就像每天都要吃工作餐，吃的多了，对厨子（们）和饭菜也有了自己的看法。说来惭愧，目前的想法也仅是管中窥豹，写下来做个学习笔记吧，也为提醒自己，stay hungry, stay foolish。文中仅代表个人目前认知水平，望高手轻拍。
先从几个基本的概念开始
1. 什么是FMEA
中文名失效模式和影响分析。是在项目开发过程中对产品设计（顾客需求转换为产品特性并固化在产品上的初始idea）和过程开发时（设计开发已完成并冻结，进行讨论如何实现的过程），对可能出现的风险进行识别和评估，做出优先顺序排列，并持续采取相应行动，降低风险的活动。目的是集中项目有限的资源，降低那些对项目威胁最大的风险。一般分为设计FMEA（DFMEA），过程FMEA（PFMEA），系统FMEA（好像是SFMEA）
产品开发流程
产品设计：相当于顾客说想吃酸菜鱼，服务员需要问清是小份还是大份，口味要清淡还是稍重，然后大厨根据服务员的回馈开始有个概念，开始准备材料，如鱼的大小，佐料多少，几分熟，用什么盘子盛放等
过程设计：如大厨准备开始做酸菜鱼，在哪口锅上面做，什么时候做，做完需要多长时间，火候如何把握，怎么盛放进盘子里等
2． 为什么要做FMEA
但凡做一个项目，总会面临各种风险。相信没有项目成员愿意带着各种风险的项目投产。为了全面识别出在以上两个过程中的所有风险，尽早的进行预防，防止到项目后期木已成舟，酿成大错。笔者就常听说“要早知道这个问题就好了”（未能及时全面的识别出所有风险）以及“要是重视这个问题就不会这样了”（识别出来了但是没能科学的评级）
3. 适用范围
（1） 新产品，新设计，新工艺，新流程
（2） 现有设计和工艺的改善
（3） 现有设计和工艺在新环境下的应用
4. 如何做FMEA
这个在2008年第四版中有详细的描述，包括每个条目的解释和例子，在此不再详述。
5. DFMEA和PFMEA有何异同
工作过程中很多同事问到，D和P飞马有何不同。目前个人看法如下
不同点：
DFMEA PFMEA
目的 识别设计是否合理，合法
是否能满足顾客需求 识别部件制造和组装过程中的风险
阶段 开始于项目早期 早于生产工装和设备的采购
对象 设计过程中的风险 生产过程中的风险
前提 QFD,P图，方块图 设计是符合设计意图的，工艺流程图
方法 对部件功能的分析和失效进行分析 对部件生产过程中失效进行分析
输出 设计评审计划和报告 DVP&R 过程控制计划（WI,TPM,AM）
DFMEA的输出：DVP&R（表示这东西寡人从未见过，囧~）
PFMEA输出：过程控制计划
相同点
最终目的相同，都是为了降低项目风险，提高顾客满意程度。
都需要全面的评估和及时的更新
6. FMEA常见错误
（1） 认识错误
很多人认为FMEA只是一个质量工具，应该有质量部负责制作和跟踪。大谬！须知传统的职能部门的边界思维乃是现代企业的大忌。不仅在项目开发过程中制造摩擦，当产品上市后一旦遭遇问题也多是踢皮球，最终只能由个别部门独吞恶果，其他人看笑话。FMEA应作为项目工具，识别和跟踪项目风险。并且，FMEA不仅适用于制造业，在很多服务行业也同样适用。
（2） 时效性
其一，开始的时间太晚。前文已述，然而实际情况是很多项目快做完了，为了完成FMEA而做，变成了paper work，完全没有起到作用
其二，只做一版，不及时更新。制定了行动计划和责任人无人执行，形同虚设。
（3） 积累性
随着企业发展，新旧更替，之前积累了经验的老人走了，随即带走了know how。这些know how很多是通过市场不良反馈，企业用大把金钱换来的。如果没有把所有以前项目的FMEA统一起来学习，甚至不重视之前的经验教训，只能是平地起高楼，很多时候还会走前人的弯路。相反，如果珍视每个项目的FMEA，定期整理和总结，为后来人或引以为戒，或开拓思路。十数年后，即便人来人往，企业无损失，终会在同行中脱颖而出。否则，每天都犯以前犯过的错误，岂不痛心？
（4） 改善措施
在对应的栏目里常见的是“加强检验”“全检”。须知控制措施里分为防范性措施和探测性措施，此二者中应优选前者。只因后者存在探测程度低，探测成本大等问题。人言，防范甚于救火。
（5） RPN之祸（惑）
笔者初及FMEA，也觉得很是简单，SOD三个数字相乘，设置个极限值，高于极限值的想办法降低，低于的可以不用管了。现在看来，只知其一，不知其二。举个例子，公司忘了发这个月的工资，这事件的发生概率很低且可探测度很高，然而严重性几乎爆表，因为事情十分严重。哪个企业敢发生一次，管保你的人事部被围得水泄不通。像安全性事件，法律法规的要求等，虽然发生概率小，但后果严重，此类项目应该强制要求改善。而RPN乘积的意义在于当确定了项目是否需要采取措施之后，再对需要采取措施的风险进行排序，主席言”集中优势兵力，各个消灭敌人”。
在第四版的FMEA中，对此也有特殊说明：
“对于确定是否需要措施，不建议使用RPN极限法”。那如何是好呢？好像没有人要求一定要三个数字乘起来吧？那么S X O呢？好像也没有人要求一定要乘，那么三个数字并排呢？组成个三位数，不就恰恰证明了三个数字的优先顺序了么？来看例子：
妙，甚妙！
7. 由FMEA延伸出的问题
QFD的重要性
质量功能展开，来自日本。其法目的在于准确把握顾客需求，并根据当时竞争对手的水平进行突破，将顾客模糊的需求描述转化为具体的可测量的设计需求，进而开发出更容易被顾客接受的产品。甚至能找到顾客潜在需求，创造顾客需求。QFD的重要性对整个企业而言在于找准目标顾客，找准顾客需求，找准自己在行业内的定位。否则，犹如无的放矢，纵然努力拼搏，也是竹篮打水。笔者教训，在FMEA实施过程中，QFD常被忽略，通常是一群人用头脑风暴的方法，不仅事倍功半，且分析不全面，为以后的功能失效埋下隐患
8. 工具和思维
工具：
FMEA，QFD，质量老7工具（五图一法一表），QC新七法等，众多方法不计其数，但终究只是大侠手中利器。若想驰骋江湖，必修武德，必修心胸，必修心智。
质量是什么？
先来看看质量不是什么，或者不仅仅是什么？
不是手持一把卡尺，终日在产线上巡逻，随便抓个部件一通测量，然后打上pass或non-pass，然后用红色标记笔mark一下。不是整天被召唤到生产线，被逼迫填写让步放行单，被询问这件产品能不能放行。不是没有分析到根本原因的问题，从看到的现象被划归为“质量问题”。
质量即是符合标准。标准从何而来，其一来自国家法律，行业规范；其二来自顾客需求具化而来的产品特性；其三来自企业内标，或者是“业界的良心”。以上三者合而为一即是产品标准，一旦被管理层和各方接受，必须严格执行。否则来看一下后果，违反国家法律，行业规范，轻则被通报罚款，重则勒令停产。不按顾客需求生产，要么顾客拒收，要么顾客抱怨不满，品牌形象受损。不符合企业内标，更是影响甚广，今天让步放行，明天厂里所有的员工都会知道不符合标准没什么大不了，因为可以让步，标准建立形同虚设。
从检验质量，到统计控制质量，到全面质量，ISO9000八大原则里明确“全员参与”，大家也都贯了标，有多少知名企业还是认为质量只是质量部的事情，吾辈任重而道远啊！
其实质量很简单，看一个公司单位数量的产品售后维修人员数量就行了。比如平均每1000件产品只有1名维修服务人员和平均1件产品需要10个维修服务人员在不同时间答复顾客提问，上门服务才能解决问题。孰优孰劣，一看便知。
质量存在的意义并非擦屁股，而是为公司创造利润。如何创造？从尊重顾客开始，从对全员进行质量意识培训开始，从少犯错误开始，从减少浪费开始。。。
第一次发文章，图片和表格不会弄进来，诸君将就看看吧 收起阅读 »
计数型测量系统分析在外观检查上的应用（一）
美国3大汽车公司共同提出了QS-9000质量管理体系，在该体系中，首次完整明确地提出了测量系统分析（MSA—Measurement Systems Analysis）的理念，并确立了其在现代企业质量保证体系中的重要地位。2010年由克莱斯勒集团公司、福特汽车公司和通用汽车公司供方质量要求特别工作组认可的测量系统分析（MSA）工作小组编写了《测量系统分析参考手册》第四版，主要介绍了基本计量型的MSA方法（极差法、均值和极差法、方差分析（ANOVA）法、偏倚、线性、控制图法）和基本计数型MSA方法（信号探测法，假设试验分析法）两类测量系统类型。用来对被测特性定量测量或定性评价的仪器或量具、标准、操作、夹具、软件、人员、环境和假设的集合，用来获得测量结果的整个过程称为测量系统。S.W.I.P.E（S标准、W零件、I仪器、P人/程序、E环境）表示一个普通的测量系统为了达成被要求的目标，有六个必要因素作为整个测量系统的一个误差模型。
从质量管理统计学的角度来看，测量系统分析实质上是变异分析的范畴，即分析测量系统所带来的变异相对于工序过程总变异的大小，以确保工序过程的主要变异源于工序过程本身而非测量系统，并且测量系统能力能满足工序要求。测量系统分析针对的是整个测量系统的稳定性和准确性，它需要分析测量系统的位置变差、宽度变差，在位置变差中包括测量系统的偏倚、稳定性和线性，在宽度变差中包括测量系统的重复性、再现性。
LSL和USL代表的是产品规范的上下限，第I类区代表不合格区域，第II类区代表可能做出潜在的错误决定区域，第III类区代表合格区域。我们的目标是尽可能地对产品状态做出正确的判断和决定，那么有两种选择：一是改进生产过程，减少过程变差，不生产出落在区域I和II的产品；二是改进测量系统，减少测量系统误差以降低区域II的大小，从而使得生产出的所有产品落在区域III内，并且降低做出错误决定的风险（也就是II类风险）。测量系统分析的目的就是改进测量系统，现今大部分企业关注更多的是计量型测量系统分析改进，例如购买CMM三坐标测量机等测量器具设备。相对而言计数型测量系统的改进空间小，一些定性测量设备器具大都属于人工判断，自动化程度低。所以，往往计数型测量系统发生问题的可能性更大，产生II类风险的几率更高。
计数型测量系统是一种测量数值为一有限的分类数量测量系统，它与能获得一连串数值结果的计量型测量系统截然不同。通/止规（G/NG gage）是最常用的量具，它只有两种可能的结果（合格、不合格）。其它的计数型测量系统，如目视标准，可能产生五到七个分类，如非常好、好、一般、差、非常差。计数型测量系统的分析是为了确定不同班次，不同生产线的检测人员是否能正确地区分合格品和不合格品，分析出测量结果与标准值的符合程度，以及他们自身和相互之间重复检查的一致程度。
曾经遇到这样的案例：由于客户那里经常反馈检测出少量产品外观裂纹，造成大量产品重复检测，既增加检测成本，又延误交付周期，这对客户而言是不可接受的。所以我们尝试各种激励的、惩罚的、或监控监督等方法，效果都不明显。因此召开头脑风暴会议分析问题根本原因，发现设备鉴别能力、检测方法、光线照明条件、物流通道、劳动强度、人员操作培训等都没发现异常情况，生产部门和品质部门最后判断最大可能性的是人为影响。但因为检测人员一共有三位，没有合理依据的情况下无法做出判断和决定，为此采用了计数型测量系统分析方法——假设试验分析（交叉表法）来进行评价。 收起阅读 »
从质量管理统计学的角度来看，测量系统分析实质上是变异分析的范畴，即分析测量系统所带来的变异相对于工序过程总变异的大小，以确保工序过程的主要变异源于工序过程本身而非测量系统，并且测量系统能力能满足工序要求。测量系统分析针对的是整个测量系统的稳定性和准确性，它需要分析测量系统的位置变差、宽度变差，在位置变差中包括测量系统的偏倚、稳定性和线性，在宽度变差中包括测量系统的重复性、再现性。
LSL和USL代表的是产品规范的上下限，第I类区代表不合格区域，第II类区代表可能做出潜在的错误决定区域，第III类区代表合格区域。我们的目标是尽可能地对产品状态做出正确的判断和决定，那么有两种选择：一是改进生产过程，减少过程变差，不生产出落在区域I和II的产品；二是改进测量系统，减少测量系统误差以降低区域II的大小，从而使得生产出的所有产品落在区域III内，并且降低做出错误决定的风险（也就是II类风险）。测量系统分析的目的就是改进测量系统，现今大部分企业关注更多的是计量型测量系统分析改进，例如购买CMM三坐标测量机等测量器具设备。相对而言计数型测量系统的改进空间小，一些定性测量设备器具大都属于人工判断，自动化程度低。所以，往往计数型测量系统发生问题的可能性更大，产生II类风险的几率更高。
计数型测量系统是一种测量数值为一有限的分类数量测量系统，它与能获得一连串数值结果的计量型测量系统截然不同。通/止规（G/NG gage）是最常用的量具，它只有两种可能的结果（合格、不合格）。其它的计数型测量系统，如目视标准，可能产生五到七个分类，如非常好、好、一般、差、非常差。计数型测量系统的分析是为了确定不同班次，不同生产线的检测人员是否能正确地区分合格品和不合格品，分析出测量结果与标准值的符合程度，以及他们自身和相互之间重复检查的一致程度。
曾经遇到这样的案例：由于客户那里经常反馈检测出少量产品外观裂纹，造成大量产品重复检测，既增加检测成本，又延误交付周期，这对客户而言是不可接受的。所以我们尝试各种激励的、惩罚的、或监控监督等方法，效果都不明显。因此召开头脑风暴会议分析问题根本原因，发现设备鉴别能力、检测方法、光线照明条件、物流通道、劳动强度、人员操作培训等都没发现异常情况，生产部门和品质部门最后判断最大可能性的是人为影响。但因为检测人员一共有三位，没有合理依据的情况下无法做出判断和决定，为此采用了计数型测量系统分析方法——假设试验分析（交叉表法）来进行评价。 收起阅读 »
我所理解的质量—原创连载之十六：哪里有品管圈？
品管圈（quality control circle）也就是小组活动，是指在同一现场的基层员工，自发地组成一个小组，通过相互启发，利用QC手法，持续不断地改善工作现场，促进公司发展的活动。
QC小组活动的最先倡导者是著名的石川馨教授。1960年，他在其著作《现场与QC》一书中首次提出了小组活动的概念，并于1963年在日本仙台召开了日本历史上第一届QC小组代表大会，从此，小组活动便以星火燎原之势在日本发展起来。值得一提的是，小组活动成立的最初目的并不是为了持续改善工作现场，而是为了创造一个快乐的工作环境，让员工觉得工作更有意义，更有价值，后来才发展成为以质量和现场改善为主要任务。
资料表明，在日本科技联盟正式注册的QC小组在上世纪80年代就已经超过了17万个，此外，还有2倍于该数字的小组未正式注册，由于典型的QC小组有6-10名成员，所以在那时日本至少有300万名工人直接参加各种形式的小组活动。日本有8个地区性的质量小组会议，每年大约会举行100次会议汇报和分享经验，此外，还有6种不同类型的全国性会议。
由于没有找到最新的资料，我不知道QC小组活动现在在日本的发展状况怎么样；也不知道日本的工人是否是真的是自愿参与小组活动，还是迫于压力不得已而参加各种名义的“运动”，但是不可否认的是，日本现在所取得的成就与其以QC小组为基础的全面质量管理密不可分。
那么品管圈在中国的发展状况怎么样呢？我在珠三角工作了近10年，工作过各种不同的公司，确是从未参加也从未组织过品管圈活动。有些资料说品质圈在中国发展得如何如火如荼，我却从未亲眼见过，不知道传说中的品管圈究竟在哪里？
现在很多的咨询公司都开设有品管圈的培训课程，自己也可以找到很多相关的书籍或资料，学习应该不是难事。但现在我已经厌倦看到这些，不要告诉我该怎样取一个圈名，如何开展活动及成功案例这些冠名堂皇的东西，最重要的是有没有自愿参加的一线员工？如果没有，该怎样让员工自愿并且积极地参与？员工参加这样的活动要付出额外的精力，能给他们带来多少回报？微不足道象征性的奖励就算了，现在的人们比以往任何时候压力都更大，因此也更加现实。
铁打的营盘流水的兵,对于公司来说，流失的不仅是人，更重要的是人心，包括员工的经验、智慧以及对于工作的热情等等。在员工流动性很大的情况下，小组活动是很难开展的，员工们在一起谈论更多的话题是工资福利、加班数量、节假日的火车票以及新的工作和创业的机会等，至于工厂是否改善与自己又有什么关系？还不知道自己能在这里工作多久呢!能做好份内的事情就已经很不错了。
中国历史上有一个颇负盛名的小组活动，那就是竹林七贤，7个人正好符合小组活动6-10人为宜的规定，他们自愿地聚在一起谈古论今，放歌纵酒，好不痛快！不过他们在进行小组活动的时候都没有正式的工作，而我们的员工在结束一天辛苦的工作之后，还不着急回家休息，而是聚在一起讨论怎样把工作做得更好，这样的情景我实在难以想象。
总之，没有安居乐业的员工，就难以形成稳定的品管圈，全面质量管理和持续改善也就没有了基础。可是现在，几乎每家公司的员工流失率都很高，这种状况又有谁能改变呢？
收起阅读 »
QC小组活动的最先倡导者是著名的石川馨教授。1960年，他在其著作《现场与QC》一书中首次提出了小组活动的概念，并于1963年在日本仙台召开了日本历史上第一届QC小组代表大会，从此，小组活动便以星火燎原之势在日本发展起来。值得一提的是，小组活动成立的最初目的并不是为了持续改善工作现场，而是为了创造一个快乐的工作环境，让员工觉得工作更有意义，更有价值，后来才发展成为以质量和现场改善为主要任务。
资料表明，在日本科技联盟正式注册的QC小组在上世纪80年代就已经超过了17万个，此外，还有2倍于该数字的小组未正式注册，由于典型的QC小组有6-10名成员，所以在那时日本至少有300万名工人直接参加各种形式的小组活动。日本有8个地区性的质量小组会议，每年大约会举行100次会议汇报和分享经验，此外，还有6种不同类型的全国性会议。
由于没有找到最新的资料，我不知道QC小组活动现在在日本的发展状况怎么样；也不知道日本的工人是否是真的是自愿参与小组活动，还是迫于压力不得已而参加各种名义的“运动”，但是不可否认的是，日本现在所取得的成就与其以QC小组为基础的全面质量管理密不可分。
那么品管圈在中国的发展状况怎么样呢？我在珠三角工作了近10年，工作过各种不同的公司，确是从未参加也从未组织过品管圈活动。有些资料说品质圈在中国发展得如何如火如荼，我却从未亲眼见过，不知道传说中的品管圈究竟在哪里？
现在很多的咨询公司都开设有品管圈的培训课程，自己也可以找到很多相关的书籍或资料，学习应该不是难事。但现在我已经厌倦看到这些，不要告诉我该怎样取一个圈名，如何开展活动及成功案例这些冠名堂皇的东西，最重要的是有没有自愿参加的一线员工？如果没有，该怎样让员工自愿并且积极地参与？员工参加这样的活动要付出额外的精力，能给他们带来多少回报？微不足道象征性的奖励就算了，现在的人们比以往任何时候压力都更大，因此也更加现实。
铁打的营盘流水的兵,对于公司来说，流失的不仅是人，更重要的是人心，包括员工的经验、智慧以及对于工作的热情等等。在员工流动性很大的情况下，小组活动是很难开展的，员工们在一起谈论更多的话题是工资福利、加班数量、节假日的火车票以及新的工作和创业的机会等，至于工厂是否改善与自己又有什么关系？还不知道自己能在这里工作多久呢!能做好份内的事情就已经很不错了。
中国历史上有一个颇负盛名的小组活动，那就是竹林七贤，7个人正好符合小组活动6-10人为宜的规定，他们自愿地聚在一起谈古论今，放歌纵酒，好不痛快！不过他们在进行小组活动的时候都没有正式的工作，而我们的员工在结束一天辛苦的工作之后，还不着急回家休息，而是聚在一起讨论怎样把工作做得更好，这样的情景我实在难以想象。
总之，没有安居乐业的员工，就难以形成稳定的品管圈，全面质量管理和持续改善也就没有了基础。可是现在，几乎每家公司的员工流失率都很高，这种状况又有谁能改变呢？
收起阅读 »
读SPC有感
不知你是否有过同样的经历，在一个产品出现问题后，人机料法环挨个检查遍，完全没有问题，正当你毫无头绪的时候，却发现是测量出了问题；一个产品在机台、模具、工艺同时稳定的情况下，每次尺寸总会有偏差，有了上次的经验，你会首先质疑质量有没有做PPK，做了，却发现在这个PPK之前根本就没有做MSA，当你还没有确认测量系统是否符合正态分布的情况下就做PPK了，能有说服力吗？
所以作为工艺的我们要自己系统地学习SPC，决不能就这么被人随便给忽悠了，以后会每隔一段时间或写点自己的心得，或摘点原文，好了，先把正文前的六点注意事项摘出来，注意，很多资深DQE都不一定能做到这六点：
一、收集数据并用统计方法来解释它们并不是最终目标，最终目标应该是在阅读的过程中不断加深理解，但一个不能实现任何改进的技术专家是很容易的，我们应该将增长知识作为行动的基础。。
二、测量系统对适当的质量分析来说是很关键的，在收集过程数据之前就应该很好地对它们加以了解。如果这些测量系统缺少统计控制，或他们的变差在过程总变差中占很大比例，就可能作出不恰当的决定。
三、研究变差和应用统计知识来改进性能的基本概念适用于任何领域。
四、SPC代表统计过程控制，但以前的统计方法常用于零件而不是过程。应用统计技术来控制输出（例如，零件）应仅仅是第一步，只有当产输出的过程成为我们努力的重点，这些方法才能在改进质量、提高生产效率、降低成本上充分发挥作用。
五、尽管手册中的每一点是透过已完成的例子来说明的，但要真正理解这些知识需要进一步与过程控制实际相联系，研究读者自己的工作场所或相似活动中的实际例子，是对本书的重要补充，实际工作经验是无法替代的。
六、本手册可看成应用统计方法的第一步，它提供了被普遍接受的方法，并在许多场所得以应用。然而，还是存在一些例外的情况，在这些情况中，盲目地使用这些方法是不恰当的。 收起阅读 »
所以作为工艺的我们要自己系统地学习SPC，决不能就这么被人随便给忽悠了，以后会每隔一段时间或写点自己的心得，或摘点原文，好了，先把正文前的六点注意事项摘出来，注意，很多资深DQE都不一定能做到这六点：
一、收集数据并用统计方法来解释它们并不是最终目标，最终目标应该是在阅读的过程中不断加深理解，但一个不能实现任何改进的技术专家是很容易的，我们应该将增长知识作为行动的基础。。
二、测量系统对适当的质量分析来说是很关键的，在收集过程数据之前就应该很好地对它们加以了解。如果这些测量系统缺少统计控制，或他们的变差在过程总变差中占很大比例，就可能作出不恰当的决定。
三、研究变差和应用统计知识来改进性能的基本概念适用于任何领域。
四、SPC代表统计过程控制，但以前的统计方法常用于零件而不是过程。应用统计技术来控制输出（例如，零件）应仅仅是第一步，只有当产输出的过程成为我们努力的重点，这些方法才能在改进质量、提高生产效率、降低成本上充分发挥作用。
五、尽管手册中的每一点是透过已完成的例子来说明的，但要真正理解这些知识需要进一步与过程控制实际相联系，研究读者自己的工作场所或相似活动中的实际例子，是对本书的重要补充，实际工作经验是无法替代的。
六、本手册可看成应用统计方法的第一步，它提供了被普遍接受的方法，并在许多场所得以应用。然而，还是存在一些例外的情况，在这些情况中，盲目地使用这些方法是不恰当的。 收起阅读 »
通过参加QC成果发布会心得
1、PDCA解决问题。3月21日去机箱厂参加QC小组成果发布会，听了13个成果发布从中感受到对PDCA的应用、对分析问题、处理问题的方法感受很深。他们对影响质量和生产效率的问题作为课题，按照4M1E（人、机、料、法、环）和 5W1H分析法[原因（何因）、对象（何事）、地点（何地）、时间（何时）、人员（何人）、方法（何法）]提出问题进行思考，分出那些是主要因素，那些是非主要因素，对主要因素根据PDCA制定计划、执行、检查、修正进行解决问题从而提高质量和生产效率。
2、我们的管理不到位。我们现在的工作方法，多数是提问题没有思考问题产生的原因和怎样解决此问题，感到出现的问题我报上去了，处理不处理于我没关系责任也不在我，造成问题多次出现反复提不能彻底解决。有的是也找到了问题产生的原因，提出了改进没有人员跟踪造成问题落实不了。
3、好的制度好的流程，关键在于执行落实。我们要改变现在的工作方法，出现问题先思考产生的原因，在去验证确定产生问题的主要因素后制定改进措施，进行跟踪落实。不能出现制定了要求，按要求执行了一段时间问题解决了，就不按要求执行造成问题重复出现。班组长要带头落实制定的措施，要做到五按五干五检”（ 按程序、按线路、按标准、按时间、按操作指令，干什么、怎么干、什么时间干、按什么线路干、干到什么程度，由谁来检查、什么时间检查、检查什么项目、检查的标准是什么、检查的结果由谁来落实）。我们的工作就很少出错，工作中出现的问题90%为管理问题，如工作安排不到位，任务不明确，造成员工不清楚，更改单没有传达到作业人员等问题，10%的问题为员工工作疏忽引起，我们有不少好的规定和要求就是没有落实。我们的主要问题在落实，在于执行到位。 收起阅读 »
2、我们的管理不到位。我们现在的工作方法，多数是提问题没有思考问题产生的原因和怎样解决此问题，感到出现的问题我报上去了，处理不处理于我没关系责任也不在我，造成问题多次出现反复提不能彻底解决。有的是也找到了问题产生的原因，提出了改进没有人员跟踪造成问题落实不了。
3、好的制度好的流程，关键在于执行落实。我们要改变现在的工作方法，出现问题先思考产生的原因，在去验证确定产生问题的主要因素后制定改进措施，进行跟踪落实。不能出现制定了要求，按要求执行了一段时间问题解决了，就不按要求执行造成问题重复出现。班组长要带头落实制定的措施，要做到五按五干五检”（ 按程序、按线路、按标准、按时间、按操作指令，干什么、怎么干、什么时间干、按什么线路干、干到什么程度，由谁来检查、什么时间检查、检查什么项目、检查的标准是什么、检查的结果由谁来落实）。我们的工作就很少出错，工作中出现的问题90%为管理问题，如工作安排不到位，任务不明确，造成员工不清楚，更改单没有传达到作业人员等问题，10%的问题为员工工作疏忽引起，我们有不少好的规定和要求就是没有落实。我们的主要问题在落实，在于执行到位。 收起阅读 »
SPC学习小结
自己制定的TS五大手法学习，PPAP、APAP、FMEA都已经顺利完成了，五一假期把SPC学习完了，近几天抽空把散乱的学习笔记整理了下，又有些新的收获。自己学习的还只是皮毛，需要深入的学习才可以。
SPC学习小结
一，名词解释
SPC= statistic process control ，通过收集，计算，分析和改进数据手段，从而了解制程其最佳范围的成本、降低风险，并确定其控制机范围的异常和正常规律，达成一种实现预测并实施改进措施的方法。
二，与控制有关的要素 1，适应范围，找出最佳控制范围
2，经济成本 ，控制的最经济成本
3，减少风险，在达标要求下，选择最小的风险
4，展现能力，确定控制范围
三，统计过程控制主要目的：通过现在管控来预防未来
四，SPC VS SQC
前者适用于过程关键特性；后者针对产品结果
五，如何去界定关键特性（需要用二八法则抓住关键少数）
1，顾客指定的特性，一般在图纸或是设计数据中体现出来
2，国家或行业相应的法律、法规
3，公司自行的判定
4，任何一个产品应该有的关键特性
六，规格界限 VS 控制界限
规格界限：用于说明质量特性的最大许可值，来保证各个单位产品的正确性能，
规格界限分类：1）双边规格
2）单边上规格
3）单边下规格
控制界限：应用于一群单位产品集体的量度，这种量度是从一群中各个单位产品所得的观测值计算出来的。
七，制作控制图的步骤：1）控制图准备
2）收集数据
3）建立控制限
4）过程控制解释
5)延长控制限
备注：所有的统计都可能会有错误：1）α风险也是生产者风险，虚发警报（即产品没有问题，却检出有问题，产品被扣留）
2）β风险也是消费者风险，漏发警报（即产品有问题，却没有检出来，发送到客户端）
备注：1）μ是位置参数，形状不动，位置变动
2）δ形状参数，位置不动，形状改变
SPC管理为什么要选择6δ：1）这样对产品的质量完全有把握的
2）在这种情况下，生产是最经济的
备注：没有规律的控制图，越是好的控制图，说明是很随机的。
八，控制图的判读规则：1）有一个点落在了界限外，
2）连续7点在同一侧
3）明显的非随机图：应该是2/3的数据点落在控制区域的1/3范围内。
备注：1，这三个是最基本的三个规则，如果增加规则会增加控制的稳定性，但是会增加虚发警报的风险。
2，为什么连续7点在同一侧算是异常呢，因为7个点落在同一侧的概率是
九，过程能力的前提假设：1）规程处于统计稳定状态
2）过程的各测量值服从正态分布
3)工程及其他规范准确地代表顾客的要求
4）设计目标值于规范中心
5）测量变差相对较小
十，过程能力指数：1)Ca 值，准确度，制造过程的平均值，客户规范的中心值，其范围是[0 ,1 ]
2) Cp值，研究范围的宽度与制程宽度的比较（在Ca值很小的情况下计算才会有效果）
3）CPK 计算方法 双边规格，Cp = (UCL-LCL)/6δ
单边上规格Cp=UCL-X/3δ
单边下规格C p =LCL-X/3δ
十一，评价过程能力 ：1）CPK＜1，说明过程能力差，不可以接受
2) CPK[1 ,1.33]说明制程能力可以，但是需要改善
3）CPK[1.33，1.67] 制程能力正常
4）CPK＞ 1.67 制程能力良好
十二，PPK VS CPK
1）计算公式是一样的，只是δ取值不一样。PPK中δ是标准差，CPK中的δ=R/D2
2） PPK 是过程绩效指数，是一个性能指数，综合能力的指数，考虑到组内和组间的变异；CPK是用标准偏差来计算的，是反应平均之后的差异（前提是过程稳定），考虑到组内的变异。
3）一般情况下CPK≥PPK
收起阅读 »
SPC学习小结
一，名词解释
SPC= statistic process control ，通过收集，计算，分析和改进数据手段，从而了解制程其最佳范围的成本、降低风险，并确定其控制机范围的异常和正常规律，达成一种实现预测并实施改进措施的方法。
二，与控制有关的要素 1，适应范围，找出最佳控制范围
2，经济成本 ，控制的最经济成本
3，减少风险，在达标要求下，选择最小的风险
4，展现能力，确定控制范围
三，统计过程控制主要目的：通过现在管控来预防未来
四，SPC VS SQC
前者适用于过程关键特性；后者针对产品结果
五，如何去界定关键特性（需要用二八法则抓住关键少数）
1，顾客指定的特性，一般在图纸或是设计数据中体现出来
2，国家或行业相应的法律、法规
3，公司自行的判定
4，任何一个产品应该有的关键特性
六，规格界限 VS 控制界限
规格界限：用于说明质量特性的最大许可值，来保证各个单位产品的正确性能，
规格界限分类：1）双边规格
2）单边上规格
3）单边下规格
控制界限：应用于一群单位产品集体的量度，这种量度是从一群中各个单位产品所得的观测值计算出来的。
七，制作控制图的步骤：1）控制图准备
2）收集数据
3）建立控制限
4）过程控制解释
5)延长控制限
备注：所有的统计都可能会有错误：1）α风险也是生产者风险，虚发警报（即产品没有问题，却检出有问题，产品被扣留）
2）β风险也是消费者风险，漏发警报（即产品有问题，却没有检出来，发送到客户端）
备注：1）μ是位置参数，形状不动，位置变动
2）δ形状参数，位置不动，形状改变
SPC管理为什么要选择6δ：1）这样对产品的质量完全有把握的
2）在这种情况下，生产是最经济的
备注：没有规律的控制图，越是好的控制图，说明是很随机的。
八，控制图的判读规则：1）有一个点落在了界限外，
2）连续7点在同一侧
3）明显的非随机图：应该是2/3的数据点落在控制区域的1/3范围内。
备注：1，这三个是最基本的三个规则，如果增加规则会增加控制的稳定性，但是会增加虚发警报的风险。
2，为什么连续7点在同一侧算是异常呢，因为7个点落在同一侧的概率是
九，过程能力的前提假设：1）规程处于统计稳定状态
2）过程的各测量值服从正态分布
3)工程及其他规范准确地代表顾客的要求
4）设计目标值于规范中心
5）测量变差相对较小
十，过程能力指数：1)Ca 值，准确度，制造过程的平均值，客户规范的中心值，其范围是[0 ,1 ]
2) Cp值，研究范围的宽度与制程宽度的比较（在Ca值很小的情况下计算才会有效果）
3）CPK 计算方法 双边规格，Cp = (UCL-LCL)/6δ
单边上规格Cp=UCL-X/3δ
单边下规格C p =LCL-X/3δ
十一，评价过程能力 ：1）CPK＜1，说明过程能力差，不可以接受
2) CPK[1 ,1.33]说明制程能力可以，但是需要改善
3）CPK[1.33，1.67] 制程能力正常
4）CPK＞ 1.67 制程能力良好
十二，PPK VS CPK
1）计算公式是一样的，只是δ取值不一样。PPK中δ是标准差，CPK中的δ=R/D2
2） PPK 是过程绩效指数，是一个性能指数，综合能力的指数，考虑到组内和组间的变异；CPK是用标准偏差来计算的，是反应平均之后的差异（前提是过程稳定），考虑到组内的变异。
3）一般情况下CPK≥PPK
收起阅读 »
PDCA现况 ——A去哪儿了
PDCA现况
——A去哪儿了
我们的质量体系是经得住审核的，可为什么我们的NG也能同样经得起考验？
我们有P，尽管它可能不是很完善，制度也有缺失，但我们能够进行生产；
我们有D，过程总是能够被记录的；
我们也有C，或许有点不足，可是大部分的NG还是能够被发现的，检验覆盖面还是足够的；
我们有A，当NG时，我们会分析它，解决它。
为什么NG还是反复出现？
我们真的有A么？
话说天下大势......STOP，对，就是“势”。
当产品趋近极限时，我们还在被“合格”所迷惑，当产品突破极限后，我们才恍然大悟。
我们总是说防错，可错误从没有被防住，就是因为我们的分析没有包括所有的数据，没有包括大多数的正常数据，只对产品的个别异常数据分析，怎么得到“势”？
事物的发展是有其自身趋势的，当产品处于合格区间时，我们就应该分析其发展趋势，在NG出现前进行调整，这才是真正的A。
P是理论，C是实际，D是理论联系实际，A是实际指导理论，有输入有输出才是一个完整的系统。
我们过于关注输出项，从而忽视了输入项的必要性，在条件不完备的情况下做出的结论怎么会具备可信度呢？
最大的问题在于，我们不知道自己是否缺失条件，缺失什么条件。
世界上著名的情报机构都有数据分析员这一岗位，为什么？没有数据是没有意义的，或许单独某一条是，但当所有信息综合起来时，它就具备了意义。
我们可以有产量的计统员，为什么不可以有检验数据的计统分析员？
检验数据必须涵盖设备、原料、产品、环境、工艺，这并不是一个简单的事情，但我们不能因为它复杂就不去做，因为这是我们体系缺失的一环，也是最重要的一环。
没有A，就没有循环，我们拥有的永远是一个残破的系统，一个残破的体系。
不知道自己无知，是企业最大的悲哀，不过，也是个人最大的幸福。 收起阅读 »
——A去哪儿了
我们的质量体系是经得住审核的，可为什么我们的NG也能同样经得起考验？
我们有P，尽管它可能不是很完善，制度也有缺失，但我们能够进行生产；
我们有D，过程总是能够被记录的；
我们也有C，或许有点不足，可是大部分的NG还是能够被发现的，检验覆盖面还是足够的；
我们有A，当NG时，我们会分析它，解决它。
为什么NG还是反复出现？
我们真的有A么？
话说天下大势......STOP，对，就是“势”。
当产品趋近极限时，我们还在被“合格”所迷惑，当产品突破极限后，我们才恍然大悟。
我们总是说防错，可错误从没有被防住，就是因为我们的分析没有包括所有的数据，没有包括大多数的正常数据，只对产品的个别异常数据分析，怎么得到“势”？
事物的发展是有其自身趋势的，当产品处于合格区间时，我们就应该分析其发展趋势，在NG出现前进行调整，这才是真正的A。
P是理论，C是实际，D是理论联系实际，A是实际指导理论，有输入有输出才是一个完整的系统。
我们过于关注输出项，从而忽视了输入项的必要性，在条件不完备的情况下做出的结论怎么会具备可信度呢？
最大的问题在于，我们不知道自己是否缺失条件，缺失什么条件。
世界上著名的情报机构都有数据分析员这一岗位，为什么？没有数据是没有意义的，或许单独某一条是，但当所有信息综合起来时，它就具备了意义。
我们可以有产量的计统员，为什么不可以有检验数据的计统分析员？
检验数据必须涵盖设备、原料、产品、环境、工艺，这并不是一个简单的事情，但我们不能因为它复杂就不去做，因为这是我们体系缺失的一环，也是最重要的一环。
没有A，就没有循环，我们拥有的永远是一个残破的系统，一个残破的体系。
不知道自己无知，是企业最大的悲哀，不过，也是个人最大的幸福。 收起阅读 »
我所理解的质量—百篇原创系列之五：马年话“飞马”
古代相马家伯乐看儿子一年一年长大了，便开始教他学习《相马经》，儿子十分勤奋，早晨起来就抱着书读起来。一天，他对父亲说：“我已经掌握全部的相马技术了，要找千里马，只要看额头是不是端正，眼睛是不是闪闪发光，四个蹄子是不是又大又正，你要是不信，我就给你找一匹回来。”
他在池塘边见到一只癞蛤蟆，一看，对！额头丰满还隆起来，眼睛也闪光，腿有四条，再看蹄子，可惜太小了，他摇摇头，但转念一想，父亲不是经常说瑕不掩瑜吗？
他兴高采烈把它捉回家里，大声喊道：“父亲，我找到了一匹千里马，只是蹄子不像书上说的又大又正。”父亲见是癞蛤蟆，非常生气，但想到这个儿子向来很笨，便转怒为笑：“孩子，这匹千里马喜欢跳跃，但不能奔驰，更不能拉车。”
儿子听了连连点头：“就是嘛！我也看出来，都是因为蹄子不够大。”
说完了千里马，再来说说“飞马”，即FMEA：潜在失效模式与后果分析(Failure Mode and Effects Analysis)，是质量管理常用的一种分析工具，说它常用，是因为在我过往应聘质量经理的经历中，我感觉总经理对于质量管理基本都不在行（也可以说质量管理出身当上总经理的不多），但有关“飞马”的问题却常被问及，看来了解“飞马”的管理人员确实不在少数。
我总觉得，任何工业的技术或工具与我们高中时所学的数理化知识比起来，简直就是小巫见大巫，不足道哉！培训资料的那些工业的案例都过于枯燥，且随意举一个简单的例子：
一个8级地震的FMEA
严重度(Severity)： 家破人亡，10分 (越严重分值越高)
频度(Occurrence)： 千年一遇，1分 (频率越高，分值越高)
探测度(Detection)：不可预测，10分 (越难探测，分值越高)
风险顺序数RPN(Risk of Priority Number)=严重度(S)频度(O)探测度(D)=10110=100分
不论是严重度为10还是RPN=100，都必须进行改善，那该怎样进行改善呢？
频度：与其说取决于地壳运动及你是否处在地震带上，还不如说是看运气；
探测度：自从张衡的候风地动仪失传以后，就再也无法提前预测了；
严重度：人不能像鸟一样住在树上，一有风吹草动就可以展翅高飞，但人可以把房子建得结
实一些，以及训练逃生及自救的能力。
所以用FMEA分析的结果是：改变频度和探测度非人力能为，只有采取措施降低严重度才可以降低地震的破坏性。
其实你会发现：
地震很可怕，但可以把房子建得结实一些（降低严重度）。
飞机高空失事必死无疑，但可以想办法不让它掉下来(降低频度)。
台风来袭很厉害，但可以提前预报（提高探测度）。
这些不过都是人所共知的常识罢了，如果用FMEA来分析，也是这样的结果，这样看来，FMEA是本无所谓有，无所谓无的。知识要从常识和经验中来，也要回到常识和经验中去，不然就会犯前文讲的按图索骥的毛病。
看看FMEA的定义：
是在产品/过程/服务等的策划设计阶段，对构成产品的各子系统，零部件，对构成过程，服务的各个程序逐一进行分析，找出潜在的失效模式，分析其可能的后果，评估其风险，从而预先采取措施，减少失效模式的严重度，降低其可能发生的概率，以有效地提高质量可靠性，确保客户满意的系统化活动。
这不就是现代版的《相马经》吗？
不论“飞马”还是其它的管理工具或方法，都不是什么绝世的秘笈，武侠剧里的武林高手行走江湖向来是不带秘笈和兵器的，草木皆可为剑，只因心中有剑。
人之所以为人是因为人发明了工具，但在发明工具之前一定是先有了意识。
收起阅读 »
他在池塘边见到一只癞蛤蟆，一看，对！额头丰满还隆起来，眼睛也闪光，腿有四条，再看蹄子，可惜太小了，他摇摇头，但转念一想，父亲不是经常说瑕不掩瑜吗？
他兴高采烈把它捉回家里，大声喊道：“父亲，我找到了一匹千里马，只是蹄子不像书上说的又大又正。”父亲见是癞蛤蟆，非常生气，但想到这个儿子向来很笨，便转怒为笑：“孩子，这匹千里马喜欢跳跃，但不能奔驰，更不能拉车。”
儿子听了连连点头：“就是嘛！我也看出来，都是因为蹄子不够大。”
说完了千里马，再来说说“飞马”，即FMEA：潜在失效模式与后果分析(Failure Mode and Effects Analysis)，是质量管理常用的一种分析工具，说它常用，是因为在我过往应聘质量经理的经历中，我感觉总经理对于质量管理基本都不在行（也可以说质量管理出身当上总经理的不多），但有关“飞马”的问题却常被问及，看来了解“飞马”的管理人员确实不在少数。
我总觉得，任何工业的技术或工具与我们高中时所学的数理化知识比起来，简直就是小巫见大巫，不足道哉！培训资料的那些工业的案例都过于枯燥，且随意举一个简单的例子：
一个8级地震的FMEA
严重度(Severity)： 家破人亡，10分 (越严重分值越高)
频度(Occurrence)： 千年一遇，1分 (频率越高，分值越高)
探测度(Detection)：不可预测，10分 (越难探测，分值越高)
风险顺序数RPN(Risk of Priority Number)=严重度(S)频度(O)探测度(D)=10110=100分
不论是严重度为10还是RPN=100，都必须进行改善，那该怎样进行改善呢？
频度：与其说取决于地壳运动及你是否处在地震带上，还不如说是看运气；
探测度：自从张衡的候风地动仪失传以后，就再也无法提前预测了；
严重度：人不能像鸟一样住在树上，一有风吹草动就可以展翅高飞，但人可以把房子建得结
实一些，以及训练逃生及自救的能力。
所以用FMEA分析的结果是：改变频度和探测度非人力能为，只有采取措施降低严重度才可以降低地震的破坏性。
其实你会发现：
地震很可怕，但可以把房子建得结实一些（降低严重度）。
飞机高空失事必死无疑，但可以想办法不让它掉下来(降低频度)。
台风来袭很厉害，但可以提前预报（提高探测度）。
这些不过都是人所共知的常识罢了，如果用FMEA来分析，也是这样的结果，这样看来，FMEA是本无所谓有，无所谓无的。知识要从常识和经验中来，也要回到常识和经验中去，不然就会犯前文讲的按图索骥的毛病。
看看FMEA的定义：
是在产品/过程/服务等的策划设计阶段，对构成产品的各子系统，零部件，对构成过程，服务的各个程序逐一进行分析，找出潜在的失效模式，分析其可能的后果，评估其风险，从而预先采取措施，减少失效模式的严重度，降低其可能发生的概率，以有效地提高质量可靠性，确保客户满意的系统化活动。
这不就是现代版的《相马经》吗？
不论“飞马”还是其它的管理工具或方法，都不是什么绝世的秘笈，武侠剧里的武林高手行走江湖向来是不带秘笈和兵器的，草木皆可为剑，只因心中有剑。
人之所以为人是因为人发明了工具，但在发明工具之前一定是先有了意识。
收起阅读 »
给QCC号脉
一段时期以来，QCC（品管小组活动）小组活动已被公认是一种调动职工积极性、创造性，提高质量和效益的有效途径。但目前这一活动还存在着发展不平衡、领导重视程度持续下降、质量教育组织不力等问题。大多数QCC小组活动进展情况仍处在较低层次的发展阶段。
“强扭的瓜不甜”
近年来，QCC小组活动的形式化、程式化使人们对其宗旨的认识愈加模糊不清，有些企业的领导没有充分认识到开展QCC小组活动不仅可以提高产品质量、改善工作质量、提高企业综合素质，而且也必然促使员工增强质量意识，更好地发挥创造才能。有些单位对QCC小组活动也就是下达命令，要求建立多少小组，然后根据注册小组的多少决定上报成果的数量。 这些缺乏自觉、自愿为前提成立的QCC小组，把活动当作额外负担，做工作时不是出于自愿，应付了事居多，选题立项时毫无目的性，求大、求洋，不求针对性、实效性，活动时则不按PDCA循环进行，没有真正找出问题的症结所在，制定的对策中也不可能有创造性的改进措施，这样的QCC小组活动白白浪费了很多的时间和资源，完全成了应景之作。 因此，开展QCC小组活动前首先要解决认识问题，遵循自发、自愿原则，通过加强质量教育，使参与者真正认识到QCC小组活动的意义和实效性，激发员工的责任感，使员工树立强烈的质量意识、参与意识，使参加QCC小组活动成为其自觉行为。 领导要亲自担任QCC小组长，或者作为小组成员，作为技术顾问或方法指导参与小组活动，这样对小组取得预期的效果起到了重要的保证作用。因此说，不懂质量管理的领导不是一个合格的领导。 在小组注册登记时，要组织质量管理专业人员对QCC小组活动的方向、深度、广度及其实效性等方面进行严格审核，并经领导审定才能批准成立，从而提高小组活动的针对性，为提高活动的实效性打下基础。求洋贪大要不得QCC小组活动的立项选题范围是非常广泛的，它可以涉及到产品、工程、作业、服务以及由此而延伸到的各个领域；形式也是多种多样的，可以是管理型、现场型、攻关型，也可以是服务型，现在又出现了创新型小组。但就某个具体单位而言，它的立项选题应是围绕着本单位或本部门的质量目标、中心工作或是对实现目标影响较大的课题。 但是不是课题越大越好呢？答案是否定的。 现在课题太大的现象仍然居多。选题越大则越空洞，片面贪大求洋，难以取得预期的效果。因此，在立项选题时，要提高选题的针对性。要本着“小、活、实、新”的原则，以围绕制约本单位中心任务完成的关键问题立项攻关，要把现场的需要、质量控制的关键环节和需要攻关的项目确定为选题方向。选题要求不贪大、不求洋，不搞形式主义，尽量缩小攻关课题覆盖面，选准突破口，针对主要矛盾进行课题攻关，立争求深、求细、求实。 QCC小组的活动是针对课题有目的的采集、分析影响质量的因素，抓住主要矛盾，解决核心问题。但目前将QCC小组活动混同于一般班组活动的现象在一些小组活动中屡见不鲜，翻开一些QCC小组活动记录往往看到，有的空空如也；有的没有按照PDCA循环的程序进行活动，没有突出主题的描述；有的只是所做工作的罗列；有的单位，年初立项完后即束之高阁，没有活动过程，没有活动记录，等到上级征集成果时，再组织几个笔杆子编写成果，其活动就失去了真正的意义。 根据这种情况，就要求主管部门采取必要措施，加强对小组活动过程的管理，经常进行检查、指导和考核。抓典型、树样板，以点带面，以提高小组活动的质量，增强活动的实效性。
活动过程很重要
目前QCC成果的评选程序为三级单位发布、推荐、上报二级单位评选，对成果的评选往往是一次定高低，靠15分钟“一锤定音”，致使有些单位在征集成果前组织几个骨干，对本单位生产经营取得的经验进行QCC改造，即按PDCA循环的程序进行二次加工，这样一项项QCC成果就被炮制出来了，然后发布时再物色一个“演讲”高手登台表演发表成果，可能就名利双收。对优选出来的好成果，主办单位再组织一套班子进行综合诊治、加工润色，再逐级上报，直至取得最高级别的奖励。这种做法失去了QCC活动的本意，也对QCC小组活动形成了错误的导向。 因为，它没有群众基础，没有体现全员参与性，忽视了活动的全过程管理。开展QCC小组活动必须强调活动过程的重要性。要严格按照PDCA循环四个阶段、八个步骤开展工作，程序不得超越。没有具体的过程再好的目标也是空中楼阁，强调活动过程比目标更重要。 这就要求对小组的活动进行引导，既注重结果，又强调过程，要求将活动情况及时记录，认真做好现状调查、要因分析、对策制定和对策实施，克服过去小组活动只罗列影响因素，没有要因验证，眉毛胡子一把抓；只有对策表，没有具体措施落实的形式主义做法。主管部门要对QCC活动切实加以引导，加强动态管理。
自己的菩萨自己拜
QCC小组活动目前基本上是业余时间完成的无偿劳动。目前确实存在着无活动经费，成果奖励不到位以及QCC小组个人价值体现不到位的情况，即没有建立健全激励机制，不利于调动QCC小组成员参与小组活动的积极性和创造性，不利于引导QCC小组活动的健康发展。实践证明，如果一个单位、一个企业领导重视，活动经费有保证，奖励落实，那么就有利于这个单位的QCC活动的开展。反之，就会停滞不前，甚至出现倒退。主管部门要大力协同党政工团齐抓共管，一方面要利用一切场合和机会进行宣传和引导，另一方面要建立QCC小组活动的经济效益和社会效益评价体系，对企业开展QCC小组取得的经济效益计算方法进行规范，确定效益评价、计算依据，并制定成果评定标准，确保奖励资金的到位，做到自己的菩萨自己拜。同时对荣获一定级别的优秀QCC小组的骨干，在晋级、晋职、评职称、评先进、外派学习交流等方面，作为条件之一给予考虑，这样必将对QCC小组活动的深入开发起到积极的推动作用。 作者：顾永强 收起阅读 »
“强扭的瓜不甜”
近年来，QCC小组活动的形式化、程式化使人们对其宗旨的认识愈加模糊不清，有些企业的领导没有充分认识到开展QCC小组活动不仅可以提高产品质量、改善工作质量、提高企业综合素质，而且也必然促使员工增强质量意识，更好地发挥创造才能。有些单位对QCC小组活动也就是下达命令，要求建立多少小组，然后根据注册小组的多少决定上报成果的数量。 这些缺乏自觉、自愿为前提成立的QCC小组，把活动当作额外负担，做工作时不是出于自愿，应付了事居多，选题立项时毫无目的性，求大、求洋，不求针对性、实效性，活动时则不按PDCA循环进行，没有真正找出问题的症结所在，制定的对策中也不可能有创造性的改进措施，这样的QCC小组活动白白浪费了很多的时间和资源，完全成了应景之作。 因此，开展QCC小组活动前首先要解决认识问题，遵循自发、自愿原则，通过加强质量教育，使参与者真正认识到QCC小组活动的意义和实效性，激发员工的责任感，使员工树立强烈的质量意识、参与意识，使参加QCC小组活动成为其自觉行为。 领导要亲自担任QCC小组长，或者作为小组成员，作为技术顾问或方法指导参与小组活动，这样对小组取得预期的效果起到了重要的保证作用。因此说，不懂质量管理的领导不是一个合格的领导。 在小组注册登记时，要组织质量管理专业人员对QCC小组活动的方向、深度、广度及其实效性等方面进行严格审核，并经领导审定才能批准成立，从而提高小组活动的针对性，为提高活动的实效性打下基础。求洋贪大要不得QCC小组活动的立项选题范围是非常广泛的，它可以涉及到产品、工程、作业、服务以及由此而延伸到的各个领域；形式也是多种多样的，可以是管理型、现场型、攻关型，也可以是服务型，现在又出现了创新型小组。但就某个具体单位而言，它的立项选题应是围绕着本单位或本部门的质量目标、中心工作或是对实现目标影响较大的课题。 但是不是课题越大越好呢？答案是否定的。 现在课题太大的现象仍然居多。选题越大则越空洞，片面贪大求洋，难以取得预期的效果。因此，在立项选题时，要提高选题的针对性。要本着“小、活、实、新”的原则，以围绕制约本单位中心任务完成的关键问题立项攻关，要把现场的需要、质量控制的关键环节和需要攻关的项目确定为选题方向。选题要求不贪大、不求洋，不搞形式主义，尽量缩小攻关课题覆盖面，选准突破口，针对主要矛盾进行课题攻关，立争求深、求细、求实。 QCC小组的活动是针对课题有目的的采集、分析影响质量的因素，抓住主要矛盾，解决核心问题。但目前将QCC小组活动混同于一般班组活动的现象在一些小组活动中屡见不鲜，翻开一些QCC小组活动记录往往看到，有的空空如也；有的没有按照PDCA循环的程序进行活动，没有突出主题的描述；有的只是所做工作的罗列；有的单位，年初立项完后即束之高阁，没有活动过程，没有活动记录，等到上级征集成果时，再组织几个笔杆子编写成果，其活动就失去了真正的意义。 根据这种情况，就要求主管部门采取必要措施，加强对小组活动过程的管理，经常进行检查、指导和考核。抓典型、树样板，以点带面，以提高小组活动的质量，增强活动的实效性。
活动过程很重要
目前QCC成果的评选程序为三级单位发布、推荐、上报二级单位评选，对成果的评选往往是一次定高低，靠15分钟“一锤定音”，致使有些单位在征集成果前组织几个骨干，对本单位生产经营取得的经验进行QCC改造，即按PDCA循环的程序进行二次加工，这样一项项QCC成果就被炮制出来了，然后发布时再物色一个“演讲”高手登台表演发表成果，可能就名利双收。对优选出来的好成果，主办单位再组织一套班子进行综合诊治、加工润色，再逐级上报，直至取得最高级别的奖励。这种做法失去了QCC活动的本意，也对QCC小组活动形成了错误的导向。 因为，它没有群众基础，没有体现全员参与性，忽视了活动的全过程管理。开展QCC小组活动必须强调活动过程的重要性。要严格按照PDCA循环四个阶段、八个步骤开展工作，程序不得超越。没有具体的过程再好的目标也是空中楼阁，强调活动过程比目标更重要。 这就要求对小组的活动进行引导，既注重结果，又强调过程，要求将活动情况及时记录，认真做好现状调查、要因分析、对策制定和对策实施，克服过去小组活动只罗列影响因素，没有要因验证，眉毛胡子一把抓；只有对策表，没有具体措施落实的形式主义做法。主管部门要对QCC活动切实加以引导，加强动态管理。
自己的菩萨自己拜
QCC小组活动目前基本上是业余时间完成的无偿劳动。目前确实存在着无活动经费，成果奖励不到位以及QCC小组个人价值体现不到位的情况，即没有建立健全激励机制，不利于调动QCC小组成员参与小组活动的积极性和创造性，不利于引导QCC小组活动的健康发展。实践证明，如果一个单位、一个企业领导重视，活动经费有保证，奖励落实，那么就有利于这个单位的QCC活动的开展。反之，就会停滞不前，甚至出现倒退。主管部门要大力协同党政工团齐抓共管，一方面要利用一切场合和机会进行宣传和引导，另一方面要建立QCC小组活动的经济效益和社会效益评价体系，对企业开展QCC小组取得的经济效益计算方法进行规范，确定效益评价、计算依据，并制定成果评定标准，确保奖励资金的到位，做到自己的菩萨自己拜。同时对荣获一定级别的优秀QCC小组的骨干，在晋级、晋职、评职称、评先进、外派学习交流等方面，作为条件之一给予考虑，这样必将对QCC小组活动的深入开发起到积极的推动作用。 作者：顾永强 收起阅读 »
关注并控制制造过程变差：SPC中的P
提示：
――――SPC中的P是制造过程，SPC要求将统计的技术应用于过程，关注并控制制造过程的变差。但很多公司并没有理解此要求。
前几天去一家工厂，工厂的客户要求工厂做控制图监控产品尺寸，且尺寸较多（约有十几项）。客户要求每天提交控制图给客户查看。现在的控制限与产品公差比已很小了，所以常有超出控制限的情况存在。客户要求对超出控制限的点都进行分析、对策改善。
工厂认为，生产产品全部是合格的（有的产品项是经过全检的），控制限已比公差小了很多，这样对超出的点分析，有点烦。
其实，这是工厂没有理解顾客的要求，或者说是没有理解SPC有关“变差”控制的理论或观点。也是国内许多应用SPC控制图公司对SPC理解的误区。
SPC中的P是制造过程，SPC要求将统计的技术应用于过程，关注并控制制造过程的变差。
顾客要求工厂关注制造过程的“变差”或说是质量特性的“波动”，而不是关注制造过程的输出――产品。这是SPC中P的含义。
如果我们监测、控制了过程的“变差”，通过对“变差”的控制、减少进而改善过程的性能（不是产品的），这是SPC的目的。这也是TS16949标准8.1.2的要求。
基于此，我认为，在SPC控制图应用中，产品的特性如尺寸只是我们“观测”过程变差的“媒介”而已。
然，国内SPC控制图的应用，不明此理者众矣。谬种流传亦久矣。
原创。谢绝转载。
**
收起阅读 »
――――SPC中的P是制造过程，SPC要求将统计的技术应用于过程，关注并控制制造过程的变差。但很多公司并没有理解此要求。
前几天去一家工厂，工厂的客户要求工厂做控制图监控产品尺寸，且尺寸较多（约有十几项）。客户要求每天提交控制图给客户查看。现在的控制限与产品公差比已很小了，所以常有超出控制限的情况存在。客户要求对超出控制限的点都进行分析、对策改善。
工厂认为，生产产品全部是合格的（有的产品项是经过全检的），控制限已比公差小了很多，这样对超出的点分析，有点烦。
其实，这是工厂没有理解顾客的要求，或者说是没有理解SPC有关“变差”控制的理论或观点。也是国内许多应用SPC控制图公司对SPC理解的误区。
SPC中的P是制造过程，SPC要求将统计的技术应用于过程，关注并控制制造过程的变差。
顾客要求工厂关注制造过程的“变差”或说是质量特性的“波动”，而不是关注制造过程的输出――产品。这是SPC中P的含义。
如果我们监测、控制了过程的“变差”，通过对“变差”的控制、减少进而改善过程的性能（不是产品的），这是SPC的目的。这也是TS16949标准8.1.2的要求。
基于此，我认为，在SPC控制图应用中，产品的特性如尺寸只是我们“观测”过程变差的“媒介”而已。
然，国内SPC控制图的应用，不明此理者众矣。谬种流传亦久矣。
原创。谢绝转载。
**
收起阅读 »
SPC云服务让你马上使用SPC软件
最近在网上看到有SPC云服务推出了，申请了一个帐号试了一下。感觉还不错，主要是方便。只要能上网就可以使用，PAD，电脑，手机都可以用。也算是实时SPC系统。只要把数据上传之后，系统会立刻发异常信息给你。功能也不错，挺丰富的。大家可以百度一下：SPC云服务，就可以找到服务商。 收起阅读 »
为什么要做MSA？MSA的作用和方法
看到坛子里有贴子在讨论什么时候要做MSA，各位提出了不少合理的意见，但更关键的是要明白为什么要做MSA，即测量系统分析。只有弄清楚了为什么要做测量系统分析，才能既不遗漏又不过多地重复做测量系统分析。
所谓测量系统分析，就是要确认测量系统过程稳定，且测量结果数据满足对产品质量特性正确判别的准确度、精确度要求。测量系统操作的整个过程和加工系统过程一样，影响其结果的因素也是：人（测量设备操作者）、机（测量设备）、料（测量对象）、法（测量设备操作指导书。这点在某些测量设备上特别重要，如大型综合检具上手动夹紧装置的先后夹紧次序。）环（测量设备所处的环境要求）。我们说，测量结果的真值是永远得不到的，我们可以通过控制影响测量过程结果波动的因素，从而稳定的接近真值。综上所述，我们明白了一个重要概念，做MSA决不是仅仅对测量设备的评估，而是对测量整个系统过程的评估，这个系统包括了人、机、料、法、环。
清楚了要做的工作后，再来看看在做MSA前的准备工作，当选用的测量设备确定后（包括检定、校准工作已完成），我们首选需要完成测量设备的操作指导书（当然，简单的通用量具可简略），在操作指导书中需要对影响测量波动的因素进行分析，如前面提及的手动夹紧方式、次序；定位点垃圾的清理、环境要求的点检、是否需要预开机时间、被测产品毛刺、垃圾的清理，等等，然后对正式生产时检测设备的操作者进行培训确认，注意是正式生产时检测设备的操作者，做MSA时是不能临时由计量人员等代替正式生产时检测设备的操作者来进行的。接下来就是开始做MSA，方法大家都知道，恕不重复，关键提醒的是：所有操作步骤必须严格按测量设备操作指导书上要求逐一按次序进行，一旦发现测量设备操作指导书上规定有缺失以致影响到MSA评估，需要及时修订后再按新测量设备操作指导书内容重做，直至完成MSA评估工作。
现在回过头来看什么时候需要做MSA就非常明了，首先，测量设备（系统）正式启用时从来没做过MSA评估的那当然要做，其次，我们通过变化点管理，当因响测量系统的人、机、料、法、环各因素发生变化时，需要分析后判别是否要重做，这个分析是需要针对具体不同测量设备而进行的。举个例子：人员的变动（当然指经过培训后的员工）对不同的测量设备的影响程度是不一样的，自动化程度高的测量设备，清理定位基准、夹紧、读取测量值、结果判断都是自动完成，甚至是自动报警、不合格品自动分流隔离等测量设备，人员的变动完成就没必要重做MSA；反之，定位、夹紧、读数、判别依靠人员为主的综合检具，人员的变动就需要重做MSA。其他诸如产品、方法、设备、环境的变化同理，在此恕不一一举例。 收起阅读 »
所谓测量系统分析，就是要确认测量系统过程稳定，且测量结果数据满足对产品质量特性正确判别的准确度、精确度要求。测量系统操作的整个过程和加工系统过程一样，影响其结果的因素也是：人（测量设备操作者）、机（测量设备）、料（测量对象）、法（测量设备操作指导书。这点在某些测量设备上特别重要，如大型综合检具上手动夹紧装置的先后夹紧次序。）环（测量设备所处的环境要求）。我们说，测量结果的真值是永远得不到的，我们可以通过控制影响测量过程结果波动的因素，从而稳定的接近真值。综上所述，我们明白了一个重要概念，做MSA决不是仅仅对测量设备的评估，而是对测量整个系统过程的评估，这个系统包括了人、机、料、法、环。
清楚了要做的工作后，再来看看在做MSA前的准备工作，当选用的测量设备确定后（包括检定、校准工作已完成），我们首选需要完成测量设备的操作指导书（当然，简单的通用量具可简略），在操作指导书中需要对影响测量波动的因素进行分析，如前面提及的手动夹紧方式、次序；定位点垃圾的清理、环境要求的点检、是否需要预开机时间、被测产品毛刺、垃圾的清理，等等，然后对正式生产时检测设备的操作者进行培训确认，注意是正式生产时检测设备的操作者，做MSA时是不能临时由计量人员等代替正式生产时检测设备的操作者来进行的。接下来就是开始做MSA，方法大家都知道，恕不重复，关键提醒的是：所有操作步骤必须严格按测量设备操作指导书上要求逐一按次序进行，一旦发现测量设备操作指导书上规定有缺失以致影响到MSA评估，需要及时修订后再按新测量设备操作指导书内容重做，直至完成MSA评估工作。
现在回过头来看什么时候需要做MSA就非常明了，首先，测量设备（系统）正式启用时从来没做过MSA评估的那当然要做，其次，我们通过变化点管理，当因响测量系统的人、机、料、法、环各因素发生变化时，需要分析后判别是否要重做，这个分析是需要针对具体不同测量设备而进行的。举个例子：人员的变动（当然指经过培训后的员工）对不同的测量设备的影响程度是不一样的，自动化程度高的测量设备，清理定位基准、夹紧、读取测量值、结果判断都是自动完成，甚至是自动报警、不合格品自动分流隔离等测量设备，人员的变动完成就没必要重做MSA；反之，定位、夹紧、读数、判别依靠人员为主的综合检具，人员的变动就需要重做MSA。其他诸如产品、方法、设备、环境的变化同理，在此恕不一一举例。 收起阅读 »
大家头脑风暴一下！！（控制焊接变形）
目前此件盖板当成工装，只能用螺纹紧固盖板，
焊接前装上，焊接后卸下来再打磨，最后包装入库前再用螺纹紧固上盖板，
大家有什么好主意？开展下头脑风暴！
目前想到的办法事为了防止变形内部添加支撑！
目前想用此工装做定位
现在的想法就是解决焊接时候热涨，焊接后冷却回缩变形问题，
目前想到的办法是外限制，内部支撑，
收起阅读 »
焊接前装上，焊接后卸下来再打磨，最后包装入库前再用螺纹紧固上盖板，
大家有什么好主意？开展下头脑风暴！
目前想到的办法事为了防止变形内部添加支撑！
目前想用此工装做定位
现在的想法就是解决焊接时候热涨，焊接后冷却回缩变形问题，
目前想到的办法是外限制，内部支撑，
收起阅读 »
学问题解决法——8个步骤解决法有感
记得2009年学了问题解决法——8个步骤，也就是大家常说的“8D”。下面我就来讲讲我自己的看法。
一、解决问题的方法及工具（5W）
糾正：为消除已发现的不合格所采取的措施。
注1：返工或降级可作为纠正的示例
注2：纠正可连同纠正措施一起实施。
糾正措施：为消除已发现的不合格或其他不期望情况的原因所采取的措施
注1：一个不合格可以有若干个原因。
預防措施：对潜在的不合格原因进行调查，并针对原因制定对策防止其发生。
针对原因制定对策防止其发生。
两者区别：
纠正措施是针对已出现的不合格，是为了防止再发生。
预防措施是针对潜在的不合格，是为了防止发生。
例：XX公司生产产品长度短，其措施如下
① 对不合格产品进行返工，再冲一次，请问此措施是什么措施？（纠正）
② 对冲压模具的定位靠山进行固定，并每日点检确认，请问是什么措施？（纠正措施
③ 在冲压模具上增加光电感应装置，若产品没放到位，则不能操作，并横向展开到同类产
品，请问是什么措施？（预防措施）
2． 纵所周知，解决问题的工具有流程图、鱼骨图、柏拉图、直方图、推移图、散布图、控制图这七大类，也称知为QC七大手法，但在发生问题时还要多问5 Why’s(5个为什么),最好能有图片展示做为证据充分说明总是的重要性和关键性。
例：有一辆汽车故障不能行走
解析：
如果只是把火星塞換了，汽车是可以走了，但是不用多久火星塞又要潮湿，汽车又要不动了。
但如果把密封也換了，那么火星塞就可以使用寿命比较長了。
注：也许有人会说这里为什么只有4问，而不是5问，其实答案很简单，只要把问题的起因找出来就可以不要再问下去了
本文未完，每月更新一次；直到更新完毕。下节：何为8D 收起阅读 »
一、解决问题的方法及工具（5W）
- 丰田员工提出“5个为什么”。要找出问题的根本原因，必須至少依次提出5个“为什么？”这就象一层层拨笋一样。在明白“5个为什么”个人认为应该先分清楚什么是
糾正：为消除已发现的不合格所采取的措施。
注1：返工或降级可作为纠正的示例
注2：纠正可连同纠正措施一起实施。
糾正措施：为消除已发现的不合格或其他不期望情况的原因所采取的措施
注1：一个不合格可以有若干个原因。
預防措施：对潜在的不合格原因进行调查，并针对原因制定对策防止其发生。
针对原因制定对策防止其发生。
两者区别：
纠正措施是针对已出现的不合格，是为了防止再发生。
预防措施是针对潜在的不合格，是为了防止发生。
例：XX公司生产产品长度短，其措施如下
① 对不合格产品进行返工，再冲一次，请问此措施是什么措施？（纠正）
② 对冲压模具的定位靠山进行固定，并每日点检确认，请问是什么措施？（纠正措施
③ 在冲压模具上增加光电感应装置，若产品没放到位，则不能操作，并横向展开到同类产
品，请问是什么措施？（预防措施）
2． 纵所周知，解决问题的工具有流程图、鱼骨图、柏拉图、直方图、推移图、散布图、控制图这七大类，也称知为QC七大手法，但在发生问题时还要多问5 Why’s(5个为什么),最好能有图片展示做为证据充分说明总是的重要性和关键性。
例：有一辆汽车故障不能行走
解析：
如果只是把火星塞換了，汽车是可以走了，但是不用多久火星塞又要潮湿，汽车又要不动了。
但如果把密封也換了，那么火星塞就可以使用寿命比较長了。
注：也许有人会说这里为什么只有4问，而不是5问，其实答案很简单，只要把问题的起因找出来就可以不要再问下去了
本文未完，每月更新一次；直到更新完毕。下节：何为8D 收起阅读 »
QCC案例
QCC案例链接地址： ttp://wenku.baidu.com/view/d142315f312b3169a451a491?fr=prin
大数据时代 用制造业智能技术唤醒沉睡数据
大数据时代，制造企业应借力制造业智能(MI)技术，充分发掘沉睡在数据背后的巨大商业价值。提升产品品质，降低质量成本，以期在激烈的市场竞争中脱颖而出。
据麦肯锡全球研究所(MGI)和麦肯锡商业技术办公室的最新调查研究显示：“任何一个行业的领军者都已经看到了大数据所带来的前所未有的潜力和重大意义。”据算，2009年，美国经济领域的各个行业中，员工数量超过1000人的企业平均产生了至少200万亿字节的数据(比沃尔玛1999年的数据库还要大2倍)。各行各业都有大量的数据可供分析，而数据分析在产品制造领域已经和劳动力、资本地位平行。
与互联网、电子商务、金融等行业对数据的充分挖掘不同，在中国的生产制造企业，生产信息化虽已成普及态势，但对各类数据信息的进一步挖掘却仍处起步阶段——我们一直关注的质量数据也是如此。
在记者走访的制造企业中，企业对数据的记录多停留于两种形态：1、传统的纸笔记录;2、Excel电子表格记录。这些操作起来看似简单的数据管理方式，在浪费人力物力的同时，还为企业生产及质量监控埋下了巨大的隐患。而真正挖掘数据背后的价值，更是无从谈起。
看似简单的纸质记录数据，必须放在独立的档案室归档。而看起来稍微先进一些的Excel表格，虽然将数据以文件形式存储在电脑中，但如果工程师想对既有数据进行比较分析，却不得不打开数十个甚至上百个文件——当然，这是在数据量小的情况下。
举个例子：如果领导希望了解过去3个月生产线A的运行情况，而这条生产线每天会生产200件产品。以每条生产线每天做一份数据记录计算，要想对过去2周的数据进行纵向比较，一位工程师最少要打开14个Excel文件以便调取数据。试想，如果要比对过去3个月的数据，这位工程师要打开多少个文件？如果要比对过去1年的数据呢？当然，企业用Excel表格进行相关数据记录，对于那位工程师而言已经足够幸运。如果质量数据全部记在纸上，又要进行3个月的数据分析，对工程师而言，那将是一种怎样的灾难？
上述案例只是传统数据管理的弊端之一。幸运的是，领导与客户不会每天都要看报告。而这些存在文件夹/档案室中的数据，就如同躺在一个个孤岛上一般——沉睡，只为满足工程师的不时之需。于是，我们看到，企业在面对转型升级时，常常措手不迭。可惜，没有人会想起那些沉睡的数据及其背后蕴含的海量商业信息。
“降低质量成本，提升产品品质”，对于制造企业而言，不能仅是“空头支票”。解决方案在哪里？在盈飞无限中国区技术总监舒德春女士的演讲中，我们找到了答案——全新企业级质量中心，基于制造业智能(MI)技术的盈飞无限 ProFicient SPC软件。
制造业智能(MI)对我们而言早已不是一个陌生名词，但将制造业智能技术应用于质量管理的SPC(统计过程控制)领域却是首次。制造企业诸如：各类点检表存储、查找困难;电子数据分散，没有分析或者很少分析;现有分析工具无法保证良好的效果等一系列生产质量管理难题，在ProFicient SPC软件系统中，迎刃而解。
对比传统数据管理模式，盈飞无限 ProFicient SPC软件，以中央SPC分析引擎为核心，通过“云端”或本地的灵活部署，在数据采集和集成、实时监控和分析、工作流管理、高级报表套装及SPC质量中心等诸多功能的共同作用下，对企业实时生产质量数据进行主动监控，帮助制造企业完全打破纸笔及Excel等传统工具在质量数据上的时空局限。其独立的数据库存储模式，让任意数据调取成为现实。以多级帕累托图、多级箱线图为代表的超300种统计分析图表可以帮助制造企业全方位、多角度对质量参数进行任意对比分析，找出潜在质量隐患，降低隐形质量风险，在赋予数据二次生命的同时，充分发掘数据中蕴含的巨大价值，
盈飞无限中国区技术总监德春女士对我们说：“在大数据时代，借力制造业智能(MI)技术，通过更透明、更可用的数据，企业可以释放更多蕴含在数据中的价值。实时、有效的一线质量数据可以更好的帮助企业提高产品品质、降低生产成本。企业领导者也可根据真实可靠的数据制订正确战略经营决策，让企业真正实现高度的'制造业智能'”。
收起阅读 »
据麦肯锡全球研究所(MGI)和麦肯锡商业技术办公室的最新调查研究显示：“任何一个行业的领军者都已经看到了大数据所带来的前所未有的潜力和重大意义。”据算，2009年，美国经济领域的各个行业中，员工数量超过1000人的企业平均产生了至少200万亿字节的数据(比沃尔玛1999年的数据库还要大2倍)。各行各业都有大量的数据可供分析，而数据分析在产品制造领域已经和劳动力、资本地位平行。
与互联网、电子商务、金融等行业对数据的充分挖掘不同，在中国的生产制造企业，生产信息化虽已成普及态势，但对各类数据信息的进一步挖掘却仍处起步阶段——我们一直关注的质量数据也是如此。
在记者走访的制造企业中，企业对数据的记录多停留于两种形态：1、传统的纸笔记录;2、Excel电子表格记录。这些操作起来看似简单的数据管理方式，在浪费人力物力的同时，还为企业生产及质量监控埋下了巨大的隐患。而真正挖掘数据背后的价值，更是无从谈起。
看似简单的纸质记录数据，必须放在独立的档案室归档。而看起来稍微先进一些的Excel表格，虽然将数据以文件形式存储在电脑中，但如果工程师想对既有数据进行比较分析，却不得不打开数十个甚至上百个文件——当然，这是在数据量小的情况下。
举个例子：如果领导希望了解过去3个月生产线A的运行情况，而这条生产线每天会生产200件产品。以每条生产线每天做一份数据记录计算，要想对过去2周的数据进行纵向比较，一位工程师最少要打开14个Excel文件以便调取数据。试想，如果要比对过去3个月的数据，这位工程师要打开多少个文件？如果要比对过去1年的数据呢？当然，企业用Excel表格进行相关数据记录，对于那位工程师而言已经足够幸运。如果质量数据全部记在纸上，又要进行3个月的数据分析，对工程师而言，那将是一种怎样的灾难？
上述案例只是传统数据管理的弊端之一。幸运的是，领导与客户不会每天都要看报告。而这些存在文件夹/档案室中的数据，就如同躺在一个个孤岛上一般——沉睡，只为满足工程师的不时之需。于是，我们看到，企业在面对转型升级时，常常措手不迭。可惜，没有人会想起那些沉睡的数据及其背后蕴含的海量商业信息。
“降低质量成本，提升产品品质”，对于制造企业而言，不能仅是“空头支票”。解决方案在哪里？在盈飞无限中国区技术总监舒德春女士的演讲中，我们找到了答案——全新企业级质量中心，基于制造业智能(MI)技术的盈飞无限 ProFicient SPC软件。
制造业智能(MI)对我们而言早已不是一个陌生名词，但将制造业智能技术应用于质量管理的SPC(统计过程控制)领域却是首次。制造企业诸如：各类点检表存储、查找困难;电子数据分散，没有分析或者很少分析;现有分析工具无法保证良好的效果等一系列生产质量管理难题，在ProFicient SPC软件系统中，迎刃而解。
对比传统数据管理模式，盈飞无限 ProFicient SPC软件，以中央SPC分析引擎为核心，通过“云端”或本地的灵活部署，在数据采集和集成、实时监控和分析、工作流管理、高级报表套装及SPC质量中心等诸多功能的共同作用下，对企业实时生产质量数据进行主动监控，帮助制造企业完全打破纸笔及Excel等传统工具在质量数据上的时空局限。其独立的数据库存储模式，让任意数据调取成为现实。以多级帕累托图、多级箱线图为代表的超300种统计分析图表可以帮助制造企业全方位、多角度对质量参数进行任意对比分析，找出潜在质量隐患，降低隐形质量风险，在赋予数据二次生命的同时，充分发掘数据中蕴含的巨大价值，
盈飞无限中国区技术总监德春女士对我们说：“在大数据时代，借力制造业智能(MI)技术，通过更透明、更可用的数据，企业可以释放更多蕴含在数据中的价值。实时、有效的一线质量数据可以更好的帮助企业提高产品品质、降低生产成本。企业领导者也可根据真实可靠的数据制订正确战略经营决策，让企业真正实现高度的'制造业智能'”。
收起阅读 »
RSS Feed